python字符串和编码举例分析

本篇内容主要讲解“python字符串和编码举例分析”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“python字符串和编码举例分析”吧!

　　字符串属于一种数据类型，字符串比较重要的就是编码问题

　　先看下一些编码的例子

　　举例子说下各种编码的区别，优缺点：

　　ASCII:美国人发明，比如大写字母A编码是65，小写字母z编码是122;一般一个字节

　　GB2312:中国发明，把中文加了进去

　　Unicode:把所有语言都统一到一套编码里;一般用两个字节表示一个字符

　　但是这样也会有问题，所以现在基本上都用UTF-8编码。用Unicode编码虽然可以解决乱码问题，但是如果全部是英文的话，用Unicode编码比用ASCII编码多一倍的存储空间，在存储和传输上就十分不划算。

　　所以，出现了UTF-8编码，UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文被编译成1个字节，汉字是3个字节，这样一来基本都解决了问题。网页基本上都是UTF-8编码。

　　python的字符串

　　我用的是python3版本，字符串是以Unicode编码的，所以python的字符串支持多语言，举个例子：

　　>>> print('包含中文的English')

　　包含中文的English

　　对于单个字符，python使用ord()函数获取字符的整数表示，chr()函数把编码转换为对应字符，举个例子：

　　>>> ord('A')

　　65

　　>>> ord('中')

　　20013

　　>>> chr(66)

　　'B'

　　>>> chr(25991)

　　'文'

　　>>> chr(10000)

　　'✐'

　　如果想用chr()函数的话，首先要知道对应内容对应的编码。如果知道字符的整数编码还可以用十六进制来写：

　　>>> '\u4e2d\u6587'

　　'中文'

　　上面这两种写法是等价的，python的字符串类型是str，内存里以Unicode来表示，一个字符对应若干个字符，如果要在网上传输，或者保存到磁盘，就得把str变成以字节为单位的bytes。

　　在python里用带b前缀的单引号或双引号来表示bytes类型的数据，举个例子：

　　x = b'ABC'

　　注意!!'ABC'和b'ABC'是不一样的。'ABC'是str类型，后面是bytes，bytes的每个字符只占用一个字节。

　　用Unicode表示的str通过encode()方法可以编码为指定的bytes,举个例子：

　　>>> 'ABC'.encode('ascii')

　　b'ABC'

　　>>> '中文'.encode('utf-8')

　　b'\xe4\xb8\xad\xe6\x96\x87'

　　>>> '中文'.encode('ascii')

　　Traceback (most recent call last):

　　File "", line 1, in

　　'中文'.encode('ascii')

　　UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

　　可以看到，英文的str可以用ASCII编码为bytes,内容都是一样的。

　　含有中文的str可以用UTF-8编码为bytes。

　　含有中文的str如果用ASCII编码，就会出错，因为中文编码的范围超过了ASCII编码的范围。

　　在bytes中，无法显示为ASCII字符的字节，用\x##显示，所以如果从网络上或磁盘上读取了字节流，读到的数据是bytes。如果想把bytes转换为str，需要使用decode()方法，举个例子：

　　>>> b'ABC'.decode('ascii')

　　'ABC'

　　>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')

　　'中文'无锡男科医院 http://www.bhnkyixue.com/

　　注意，如果bytes中含有无法解码的字节，decode()方法会报错!!!

　　如果bytes中只有一小部分无效的字节，可传入errors='ignore'用来忽略错误的字节，举个例子：

　　>>> b'\xe4\xb8\xad\xff'.decode('utf-8')

　　Traceback (most recent call last):

　　File "", line 1, in

　　b'\xe4\xb8\xad\xff'.decode('utf-8')

　　UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte

　　>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')

　　'中'

　　如果要计算str包含多少个字符，可以用len()函数，举个例子：

　　>>> len('ABC')

　　3

　　>>> len('中文')

　　2

　　如果要计算bytes包含多少个字符，也可以用len()，此时计算的是字节数，举个例子：

　　>>> len(b'ABC')

　　3

　　>>> len(b'\xe4\xb8\xad\xe6\x96\x87')

　　6

　　>>> len('中文'.encode('utf-8'))

　　6

　　大家仔细看，一个中文字符经过UTF-8编码后通常占用3个字节，一个英文字符只占用一个字符。

　　但是在实际操作的时候，经常会用到str和bytes的互相转换，为了避免乱码，我们在编码的时候就指定使用UTF-8编码：

　　ps:当然python也支持其他编码方式，比如把Unicode编码成GB2312，但是太麻烦了!!!

　　# -*- coding: utf-8 -*-

　　这一行注释不是没用，而是告诉python解释器，按照UTF-8编码读取源代码，否则在代码中写的中文输出可能会有乱码。

　　如果.py文件本身使用UTF-8编码，并且指定了：# -*- coding: utf-8 -*-，那么打开命令提示符测试就可以正常显示中文。

　　格式化

　　一般还有个如何输出格式化的字符串的问题，在python中使用%实现，举个例子：

　　>>> 'Hello, %s' % 'world'

　　'Hello, world'

　　>>> 'Hi, %s, you have $%d.' % ('jack', 1000000)

　　'Hi, jack, you have $1000000.'

　　所以，%运算符是用来格式化字符串的，在字符串里面%s表示用字符串替换，用%d表示用整数替换，有几个%?占位符，后面就跟几个变量或者值，如果只有一个%?，括号可以省略。

　　常用占位符有下面这些：

　　还有，格式化整数和浮点数还可以指定是否补0和整数与小数的位数。

　　如果不知道用什么，%s永远可以起作用，它会把任何数据类型转换为字符串，举个例子：

　　>>> 'Age: %s. Gender: %s' % (25, True)

　　'Age: 25. Gender: True'

　　r如果字符串里面的%是一个普通字符的话，就需要转义一下了，用%%来表示一个%，举个例子：

　　>>> 'growth rate: %d %%' % 7

　　'growth rate: 7 %'

　　format()

　　还有一种格式化字符串的方法是使用字符串的format()方法，它会用传入的参数依次替换字符串内的占位符{0}、{1}等等，

　　这种方式写起来比%麻烦，举个例子：

　　>>> 'Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125)

　　'Hello, 小明, 成绩提升了 17.1%'

　　格式化字符串的时候，可以用python的交互式环境测试，比较方便。

到此，相信大家对“python字符串和编码举例分析”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！