Python的ASCII, GB2312, Unicode , UTF-8 相互转换

ASCII 是一种字符集,包括大小写的英文字母、数字、控制字符等,它用一个字节表示,范围是 0-127 Unicode分为UTF-8和UTF-16。
UTF-8变长度的,最多 6 个字节,小于 127 的字符用一个字节表示,与 ASCII 字符集的结果一样,ASCII 编码下的英语文本不需要修改就可以当作 UTF-8 编码进行处理。
Python 从 2.2 开始支持 Unicode ,函数 decode( char_set )可以实现 其它编码到 Unicode 的转换,函数 encode( char_set )实现 Unicode 到其它编码方式的转换。
比如

将得到

u’\u4f60\u597d’,
即 “你”和”好”的 Unicode 码分别是 0x4f60 和 0x597d
再用

将得到

‘\xe4\xbd\xa0\xe5\xa5\xbd’
它是 “你好”的UTF-8编码结果。
python中使用 unicode的关键:unicode是一个类,函数unicode(str,”utf8”)从utf8编码(当然也可以是别的编码)的字符串str生成 unicode类的对象,而函数unc.encode(“utf8”)将unicode类的对象unc转换为(编码为)utf8编码(当然也可以是别的编码)的字符串。于是,编写unicode相关程序,需要做的事情是 * 获取数据(字符串)时,用unicode(str, “utf8”)生成unicode对象 * 在程序中仅使用unicode对象,对程序中出现的字符串常量都以u”字符串”的形式书写 * 输出时,可将unicode对象转换为任意编码输出,使用str.encode(“some_encoding”)

以上是测试结果(Ubuntu 6.06,locale为utf8),注意type(x)和type(“你好”)的区别。从编码上可以看出utf8编码与gbk不同。在utf8的 locale设置下,打印x按该环境变量编码(我猜我猜我猜猜猜),而打印x.encode(“gbk”)则是乱码。

Original: https://www.cnblogs.com/raphael5200/p/5998818.html
Author: Bodi
Title: Python的ASCII, GB2312, Unicode , UTF-8 相互转换

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/10688/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

免费咨询
免费咨询
扫码关注
扫码关注
联系站长

站长Johngo!

大数据和算法重度研究者!

持续产出大数据、算法、LeetCode干货,以及业界好资源!

2022012703491714

微信来撩,免费咨询:xiaozhu_tec

分享本页
返回顶部