python学习-字符和编码

Posted 2022-02-02 zc-beyond

一、ASCII、Unicode、UTF-8的由来和关系

1、由来：因为计算机只识别数字，所以计算机的发明国家美国对大小写英文字母、数字以及一些特殊符号进行了编码，共127个，即ASCII编码表。

2、发展：因为ASCII编码不支持中文，所以中国制定了GB1312编码，韩国制定了Euc-kr、日本制定了Shift-JIS...

3、整合：世界上有上百种语言，使用各自的编码最终的结果就是乱码。因此Unicode编码出现了，Unicode支持所有的语言。也是计算机使用的编码。

4、优化：Unicode虽然支持所有的语言，解决了乱码问题，但是也有不足。无论是英文、中文字符，在Unicode编码下所占的存储空间都是2个字节（1个字节=8个比特，也就是十进制的255，二进制的11111111），而实际上，英文字符仅需要1个字节的存储空间，Unicode采取的方式是在二进制前填充0。例如：

字符"A"在ASCII编码中是65，二进制表示是1000001，而使用Unicode则表示为：00000000 01000001。这样，相当于占用了2个字节的存储空间。所以，utf-8出现了。utf-8把字符按不同的大小编码成1-6个字节，英文一般是1个，中文是3个字节，个别生辟字占用4-6个。

5、注意：计算机内存中统一使用Unicode，当需要保存到硬盘或者输出时，则转化为UTF-8。

二、学习

1、Unicode的ord()和chr()方法，#号后为输出。

ord("A") #65
ord("1") #49
ord("a") #97
ord("中")#20013
chr(65) #A
chr(20013) #中

 

2、字符转二进制

name = "A"
for i in name:
    j = bytes(i,encoding = "utf-8")
    print("字符\"%s\"用二进制输出为："%i)
    for m in j:
        n = bin(m)
        print(n,end = " ")
    print()

 

3、十进制转二进制

l = []
num =19
def a(num):
    if num < 0 :
        return "-"+a(abs(num))
    while True:
        num,r = divmod(num,2)
        l.append(str(r))
        print(l)
        if num == 0:
            return "".join(l[::-1])

4、对数字进行36进制内的转换

def baseN(num, b):
  return ((num == 0) and "0") or (baseN(num // b, b).lstrip("0") +"0123456789abcdefghijklmnopqrstuvwxyz"[num % b])
baseN(2,16)

5、占位符%和format()的使用

#占位符，等同于format()
print("%2d-%03d"%(3,10)) 
# 3-010 
#3前面有空格，因为未指定补充值
print("%3d-%03d"%(3,10)) 
#           3-010
#  %3d,在值前面生成2个空格
#  %03d，在个十位数前面填充0，显示为3位数
print("%d-%d"%(3,1))
#3-1
print("%.1f"%3)
#3.0
print("%d%%"%7)
#7%

6、转义符\和r

#转义符\，在单引号或者双引号内需要使用特殊符号时，在符号前添加转义符\
print(‘I\‘m \"zhangchun1\"‘)
# I‘m "zhangchun1"
print("I\‘m \"zhangchun\"")
# I‘m "zhangchun"
# \n与\t 代表换行和制表符，
print("I\‘m \n\"zhangchun\"")
print("I\‘m \t\"zhangchun\"")
# I‘m 
# "zhangchun"
# I‘m     "zhangchun"
#转义r，使用r时，则""内部默认不转义
print(r"I\‘m \t\"zhangchun\"")
# I\‘m \t\"zhangchun\"