python 入门拾遗

三元运算

实例

进制

bytes类型

由于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。

python3都是以2进制bytes传输

  • Python对bytes类型的数据用带b前缀的单引号或双引号表示：

    x = b'ABC'
    要注意区分'ABC'和b'ABC'，前者是str，后者虽然内容显示得和前者一样，但 bytes的每个字符都只占用一个字节。

  • 以Unicode表示的str通过 encode() 方法可以编码为指定的bytes，例如：

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

    纯英文的str可以用ASCII编码为bytes，内容是一样的，含有中文的str可以用UTF-8编码为bytes。含有中文的str无法用ASCII编码，因为中文编码的范围超过了ASCII编码的范围，Python会报错。

  • 在bytes中，无法显示为ASCII字符的字节，用\x##显示。

  • 反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法：

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

  • 要计算str包含多少个字符，可以用len()函数：

    >>> len('ABC')
    3
    >>> len('中文')
    2
    len()函数计算的是str的字符数，如果换成bytes，len()函数就计算字节数：
    >>> len(b'ABC')
    3
    >>> len(b'\xe4\xb8\xad\xe6\x96\x87')
    6
    >>> len('中文'.encode('utf-8'))
    6
    可见，1个中文字符经过UTF-8编码后通常会占用3个字节，而1个英文字符只占用1个字节。

  • 在操作字符串时，我们经常遇到str和bytes的互相转换。为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换。

  • 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 python

    -- 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。

实例

author = "zhuyouen"

msg = "我爱北京天安门"
print(msg)
print(msg.encode('utf-8'))
print(msg.encode('utf-8').decode('utf-8'))

D:\python35\python.exe D:/PycharmProjects/zhuyouen/0402/encoding.py
我爱北京天安门
b'\xe6\x88\x91\xe7\x88\xb1\xe5\x8c\x97\xe4\xba\xac\xe5\xa4\xa9\xe5\xae\x89\xe9\x97\xa8'
我爱北京天安门

posted @ 2017-04-02 20:50  三个字  阅读(198)  评论(0)    收藏  举报