字符编码由来
由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。
但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。
你可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。
因此，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。
本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的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。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间
Python的字符编码
在最新的Python 3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言。
对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符
ord('A') → 65
chr（66） → 'B'
同时，输入字符串时，可通过\u转置字符的16进制编码，例如
'\u4f60\u597d' → 你好
16进制编码可以用电脑自带的计算器进行转换。
类型转换（str和bytes转换）
类型转换采用encode方法（s转b）和decode方法（b转s)。
Python的字符串类型是str ，而网络传输常用bytes类型。转换可以使用encode()方法将str编码为指定的bytes类型，例如将str类型的字符ABC转换为utf-8类型的bytes类型：
'ABC'.encode('utf-8') → b'ABC'
如果希望将网络或磁盘读取的字节流（bytes格式）转换为字符（str类型），则需要对bytes类型数据使用decode()方法，例如，bytes类型的数据和str类型数据相互转换示意：
>>> x='你好'
#设x为str类型：你好
>>> y='ABC'
#设y为str类型：ABC
>>> a=x.encode('utf-8')
#a为x转换为bytes类型数据的值，通过utf-8编码
>>> b=y.encode('utf-8')
#b为y转换为bytes类型数据的值，通过utf-8编码
>>> print(a)
#输出a的值
b'\xe4\xbd\xa0\xe5\xa5\xbd'
>>> print(b)
#输出b的值
b'ABC'
>>> d=a.decode('utf-8')
#将a转换回str类型，通过utf-8编码，值设为d
>>> e=b.decode('utf-8')
#将b转换回str类型，通过utf-8编码，值设为e
>>> print(d)
#输出d
你好
>>> print(e)
#输出e
ABC
如果bytes中包含无法解码的字节，decode()方法会报错。
如果bytes中只有一小部分无效的字节，可以传入errors='ignore'忽略错误的字节，该参数默认为errors='strict'严格模式，示意：
b=b'\xe4\xbd\xa0\xe5\xa5\xbd\xaaaaaaaaa'
>>> print(b.decode('utf-8'))
Traceback (most recent call last):
File "<pyshell#77>", line 1, in <module>
print(b.decode('utf-8'))
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xaa in position 6: invalid start byte
>>> print(b.decode('utf-8',errors='ignore'))
你好aaaaaaa
要计算str包含多少个字符，可以用len()函数。
len('馕'.encode('utf-8'))
3
len(b'A')
1
len('馕')
1
每个英文占1个字节，中文编码后占3个字符，而编码前占1个字符。
编码声明
由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这两行：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；
第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。
申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码的，必须并且要确保文本编辑器正在使用UTF-8 without BOM编码。
格式化字符串：%占位符
在Python中，以%作为格式化字符。
占位符：
占位符 替换内容
%d 整数
%f 浮点数
%s 字符串
%x 十六进制整数
其中，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
例1：
a='小明'
b='我的空间'
c=12
w='%s ，您好，欢迎光临%s，您是第%d个访客' % (a,b,c)
print(w)
输出：小明 ，您好，欢迎光临我的空间，您是第12个访客
例2：
print('%2d-%02d' % (3, 1))
print('%.2f' % 3.1415926)
>>> print(('the number is %.2f')%(12.1))
the number is 12.10
>>> print(('the number is %.5f')%(12.1))
the number is 12.10000
格式：% + 点 + 位数 + f 【指定浮点数小数点保留位数】
格式：% + 0 + 位数 + d 【指定最小位数，不足在前边补零，如内容超过位数则不做处理，如替代内容为小数，向下取整】
格式：% + 位数 + d 【指定最小位数，不足在前边补空格，如内容超过位数则不做处理，如替代内容为小数，向下取整】
格式化字符串：format()
另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}……，参数一般从0开始，但允许指定顺序或指定参数：
例1：
>>> 'hello,{0},欢迎{1}的你,来到{2}!'.format('王','智慧','新空间')
'hello,王,欢迎智慧的你,来到新空间!'
例2：
>>> 'hello,{0},欢迎{3}的你,来到{5}!'.format('王','智慧','机智','新空间','新世纪','零度空间')
'hello,王,欢迎新空间的你,来到零度空间!'
网友评论