python_字符编码&格式化

Posted 2021-02-13 詹生

电脑最小储存单位是bit(位)，8bit为一个Byte(字节),

8bit=1Byte

1024Byte=1KB

1024KB=1MB

1024MB=1GB

1024GB=1TB

编码的故事：

计算机是美国人发明的，最早只有127个字符编码，编码表被称为ASCII编码，中文怎么办？中国就把中文编进去，制定了GB2312编码，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里..............这样会出现什么情况，假如我一个本档的内容有中文，英文，显示就会乱码，我们说的乱码，就是某个中文字符编码表没有，就无法正确显示出来了

所以出现了Unicode编码，把所有语言都统一到这套编码里，但是Uniccode通常是1个字符要占2个字节（Byte），英文1个字符在Unicode也是占2个字节（Byte），怎么办呢，占用空间多一倍，于是utf-8就出现了,utf-8能根据字符（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，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节，如果文本基本都是英文，用utf8能节省很多空间）

_________________________________________________________________________________________________

字符串编码

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

print(ord(‘A‘),ord(‘詹‘),chr(35449))

ord()就是找对应的编码数字，chr()就是找对应的解码字符

_________________________________________________________________________________________________

Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes

 1 # -*- coding:utf8 -*-
 2 
 3 #‘ABC‘以ascii编码成bytes，才能进行传输
 4 print(‘ABC‘.encode(‘ascii‘))
 5 
 6 #b‘ABC‘以ascii解码成字符，我们才看得出是‘ABC‘
 7 print(b‘ABC‘.decode(‘ascii‘))
 8 
 9 #中文如果用ascii编码会出错，中文不在ascii表内，超出了范围，所以我们用utf8
10 print(‘我是中文‘.encode(‘utf8‘))
11 print(b‘xe6x88x91xe6x98xafxe4xb8xadxe6x96x87‘.decode(‘utf8‘))

假设我故意把bytes故意改一下尾部去decode，会报错，但是可以忽略

1 # -*-coding:utf8 -*-
2 
3 #原bytes
4 print(b‘xe6x88x91xe6x98xafxe4xb8xadxe6x96x87‘.decode(‘utf8‘))
5 #故意出错bytes(如果不加errors=‘ignore‘，会报错)
6 print(b‘xe6x88x91xe6x98xafxe4xb8xadxe6x96xff‘.decode(‘utf8‘, errors=‘ignore‘))

计算字符串中的字符个数

# -*-coding:utf8 -*-

print(len("12345678"))
print(len("饕餮"))

计算字符串中的字节数量

# -*-coding:utf8 -*-

print(len(b"12345678"))

#中文我要先encode编码我才bytes是什么，才能计算字节数量
print(‘饕餮‘.encode(‘utf8‘))
print(len(b‘xe9xa5x95xe9xa4xae‘))

Python中，采用的格式化方式和C语言是一致的，用%实现

1 # -*-coding:utf8 -*-
2 
3 #格式化，%s中的s表示字符串，%d中的d表示整数，还有%f中的f表示浮点数，%x中的x表示十六进制的整数
4 say_somthing = ‘Hi, %s, you have $%d.‘ % (‘James‘, 1000000)
5 print(say_somthing)

还有一种格式代是format(),略过