Python中Unicode字串

標籤：導致   div   告訴   byte   gpo   decode   統一   lin   blog   

字串還有一個編碼問題。

因為電腦只能處理數字，如果要處理文本，就必須先把文本轉換為數字才能處理。最早的電腦在設計時採用8個位元（bit）作為一個位元組（byte），所以，一個位元組能表示的最大的整數就是255（二進位11111111=十進位255），0 - 255被用來表示大小寫英文字母、數字和一些符號，這個編碼錶被稱為ASCII編碼，比如大寫字母 A 的編碼是65，小寫字母 z 的編碼是122。

如果要表示中文，顯然一個位元組是不夠的，至少需要兩個位元組，而且還不能和ASCII編碼衝突，所以，中國制定了GB2312編碼，用來把中文編進去。

類似的，日文和韓文等其他語言也有這個問題。為了統一所有文字的編碼，Unicode應運而生。Unicode把所有語言都統一到一套編碼裡，這樣就不會再有亂碼問題了。

Unicode通常用兩個位元組表示一個字元，原有的英文編碼從單位元組變成雙位元組，只需要把高位元組全部填為0就可以。

因為Python的誕生比Unicode標準發布的時間還要早，所以最早的Python只支援ASCII編碼，普通的字串‘ABC‘在Python內部都是ASCII編碼的。

Python在後來添加了對Unicode的支援，以Unicode表示的字串用u‘...‘表示，比如：

print u‘中文‘
中文

注意: 不加 u ，中文就不能正常顯示。

Unicode字串除了多了一個 u 之外，與一般字元串沒啥區別，逸出字元和多行標記法仍然有效：

轉義：

u‘中文\n日文\n韓文‘

多行：

u‘‘‘第一行
第二行‘‘‘

raw+多行：

ur‘‘‘Python的Unicode字串支援"中文",
"日文",
"韓文"等多種語言‘‘‘

如果中文字串在Python環境下遇到 UnicodeDecodeError，這是因為.py檔案儲存的格式有問題。可以在第一行添加註釋

# -*- coding: utf-8 -*-

目的是告訴Python解譯器，用UTF-8編碼讀取原始碼。然後用Notepad++ 另存新檔... 並選擇UTF-8格式儲存。

任務

用多行Unicode字串表示下面的唐詩並列印：

靜夜思

床前明月光，

疑是地上霜。

舉頭望明月，

低頭思故鄉。

 

 

參考代碼:

print u‘‘‘靜夜思
床前明月光，
疑是地上霜。
舉頭望明月，
低頭思故鄉。‘‘‘

或：

# -*- coding: utf-8 -*-

 

print ‘‘‘靜夜思

床前明月光，

疑是地上霜。

舉頭望明月，

低頭思故鄉。‘‘‘

 

 

解釋：代碼編輯第一行的注釋#-*-coding:utf-8 -*-,表明以下Python代碼使用utf-8編碼，但是很多人把題目要求的輸出語句寫成print u‘" ..."‘,這樣就又要讓解譯器使用Unicode編碼輸出，導致解碼出錯。我們應該記住以何種方式編碼就應以何種方式解碼，否則就很有可能出現編碼錯誤。

Python中Unicode字串