Python的ASCII, GB2312, Unicode , UTF-8
2012-07-17 11:55
579 查看
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 ("你好").decode( "GB2312") 将得到 u'\u4f60\u597d',即 "你"和“好"的 Unicode 码分别是 0x4f60 和 0x597d
再用 (u'\u4f60\u597d').encode("UTF-8") 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")
>>> unicode("你好", "utf8") u'\u4f60\u597d' >>> x = _ >>> type(x) >>> type("你好") >>> x.encode("utf8") '\xe4\xbd\xa0\xe5\xa5\xbd' >>> x.encode("gbk") '\xc4\xe3\xba\xc3' >>> x.encode("gb2312") '\xc4\xe3\xba\xc3' >>> print x 你好 >>> print x.encode("utf8") 你好 >>> print x.encode("gbk") ???
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。
相关文章推荐
- Python的ASCII, GB2312, Unicode , UTF-8
- Python的ASCII, GB2312, Unicode , UTF-8 相互转换
- Python的ASCII, GB2312, Unicode , UTF-8 相互转换
- Python的ASCII, GB2312, Unicode , UTF-8
- Python的ASCII, GB2312, Unicode , UTF-8 相互转换
- Python的ASCII, GB2312, Unicode , UTF-8
- Python的ASCII, GB2312, Unicode , UTF-8 相互转换
- Python的ASCII, GB2312, Unicode , UTF-8
- Python的ASCII, GB2312, Unicode , UTF-8
- Python的ASCII, GB2312, Unicode , UTF-8区别
- Python的ASCII, GB2312, Unicode , UTF-8区别
- Python的ASCII, GB2312, Unicode , UTF-8区别
- Python的ASCII, GB2312, Unicode , UTF-8区别
- [转]Python的ASCII, GB2312, Unicode , UTF-8
- Python的ASCII, GB2312, Unicode , UTF-8 相互转换
- Python的ASCII, GB2312, Unicode , UTF-8区别
- ASCII 、GB2312、GBK、GB18030、unicode、UTF-8字符集编码详解
- 常用字符集编码详解:ASCII 、GB2312、GBK、GB18030、unicode、UTF-8
- 字符编码简介:ASCII,Unicode,UTF-8,GB2312
- 各种编码UNICODE、UTF-8、ANSI、ASCII、GB2312、GBK详解