ASCII编码是1个字节,而Unicode编码通常是2个字节。
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。英文1字节,汉字3字节。
在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。
在最新的 Python 3 版本中,字符串是以 Unicode 编码的。
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
>>> ord('中')
20013
如果知道字符的整数编码,还可以用十六进制这么写str:
>>> '\u4e2d\u6587'
'中文'
将str类型转换为bytes:
bytes
类型的数据用带b
前缀的单引号或双引号表示:
x = b'ABC'
str
通过encode()
方法可以编码为指定的bytes
:
>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
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'
(忽略无效字节:加入参数errors='ignore')