字符问题
字符的标识：码位，是数字，如 Unicode 标准下 A 的码位是 U+0041
字符的具体表述取决于编码：如 A（U+0041）在 UTF-8 下编码成 \x41
字节概要
（1）bytes 不可变，bytearray 可变
（2）bytes 与 bytearray 各元素是 range(256) 中的一个
（3）切片返回同类型的二进制序列
（4）二进制序列是整数序列，字节的值有三种表现形式：ASCII （空格到~）、\t \r \n \\、十六进制转义
bytes 和 bytearray
-
bytes 与 bytearray 构造方法
最后一种构造方法，使用缓冲类对象创建分两种情况：一是使用 array 创建，会始终复制源对象的字节序列，二是使用 memoryview 对象创建，则允许共享内存（类似 PIL 处理图像）。
构造方法
码位构造
-
struct 与 memoryview
struct 用于从二进制序列中提取结构化信息。即把打包的字节序列转换成 tuple ，或者反向转换。
可作用于bytes、bytearray、memoryview 对象
例子中，header 是一个 memoryview 对象，使用 struct.unpack 传入一定格式，最终转换成 tuple
struct 用法
编解码器（codec，encoder、decoder）
- utf_8 别名：utf-8、utf8、U8
函数 open()、str.encode()、bytes.decode() 中作为参数 encoding 的值 - 纯文本不包含空字符 \x00
- 解决解编码出错一个小技巧：传入参数 errors='replace' 或者 'ignore'
-
统一字符编码侦测包 chardet
chardetect
-
BOM（byte-order mark）字节序标记
b'\xff\xfe' 这就是 BOM，此处使用的是小字节序 CPU
小字节序：低位在前，高位在后
这与 utf-16 编码有关，utf-16le 使用小字节序，utf-16be 使用大字节序
有些编辑器如 notepad 在 utf-8 文件中也加了 BOM，自作聪明。
BOM
处理文本文件
不能依赖设备默认编码，打开文件是应明确传入 encoding 参数
encoding
默认使用文本模式，即 TextIOWrapper，我的设备默认编码是 cp936
'rb' 表示二进制模式读取文件，返回 BufferedReader 对象
对象
此处省略了非常多很少见的情况。
杂谈
- 纯文本
所有字节都表示文本字符 ，如 HTML
非纯文本 xsl、png 有些字节表示打包的二进制值，如浮点数，rgb值
网友评论