python

1. 我们已经讲过了，字符串也是一种数据类型，但是，字符串比较特殊的是还有一个编码问题。

2. 因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（8 bit）作为一个字节（1 byte）。

   1. 所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255）；
   2. 如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。

3. 由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。

4. 但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

5. 你可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。

6. 因此，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

   1. Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

   2. 现在，捋一捋ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。

      1. 字母A用ASCII编码是十进制的65，二进制的01000001；
      2. 字符0用ASCII编码是十进制的48，二进制的00110000，注意字符’0’(‘零’)和整数0(零)是不同的；
      3. 汉字中已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。
      4. 你可以猜测，如果把ASCII编码的A用Unicode编码，只需要在前面补0(零)就可以，因此，A的Unicode编码是00000000 01000001。

   3. 新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

   4. 所以，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。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：

1. 从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

总结一下现在计算机系统通用的字符编码工作方式：

1. 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。
2. 举例：用记事本编辑(计算机内存中)的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8(保存到文件硬盘或者需要传输)

PS：所以你看到很多网页的源码上会有类似<meta charset="UTF-8" />的信息，表示该网页正是用的UTF-8编码。

Python中默认的编码格式是 ASCII 格式，在没修改编码格式时无法正确打印汉字，所以在读取中文时会报错。
解决方法为只要在文件开头加入# -*- coding: UTF-8 -*- 或者 #coding=utf-8 就行了
（注意：#coding=utf-8 的 = 号两边不要空格。）

# -*- coding: UTF-8 -*-

print "你好，世界";

运行结果：
你好，世界

注意：

1. Python3.X 源码文件默认使用utf-8编码，所以可以正常解析中文，无需指定 UTF-8 编码。
2. 注意：如果你使用编辑器，同时需要设置 py 文件存储的格式为 UTF-8

在最新的Python 3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言（字符串可以写任意国家文字）。

使用函数：

1. ord()：将字符转换成其对应的整数（十进制），注意不是字符串；
2. chr()：将十进制整数转换成其对应的字符。

a=ord('A')
b=chr(120)
print(a)
print(b)

运行结果：
65 
x 

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。

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'
print(x)

运行结果：
b'ABC' 

结论：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。

不同编码之间的转换使用函数：

1. decode()： 解码，将其他编码的字符串解码成unicode编码；
2. encode()： 转码，将unicode编码的字符串转码成其他编码。
3. decode(“utf-8”, errors=”ignore”) ： 忽略其中有异常的编码，仅显示有效的编码；
4. decode(“utf-8”, errors=”replace”)： 替换其中异常的编码，这个相对来可能一眼就知道那些字符编码出问题了；
5. len()： 计算的是str的字符数，如果换成bytes，len()函数就计算字节数。

重要总结：

1. 一个常见的问题是如何输出格式化的字符串。
   1. 我们经常会输出类似”亲爱的xxx你好！你xx月的话费是xx，余额是xx“之类的字符串，而xxx的内容都是根据变量变化的，所以，需要一种简便的格式化字符串的方式。
2. 在Python中，采用的格式化方式和C语言是一致的，用%实现。
3. %运算符就是用来格式化字符串的。在字符串内部，%s表示用字符串替换，%d表示用整数替换，有几个%?占位符，后面就跟几个变量或者值，顺序要对应好。如果只有一个%?，括号可以省略。
4. 格式化整数还可以指定是否补0和整数；浮点数可以指定小数的位数。
5. 要输出%，用%对其进行转义，即用%%来表示一个%。
6. 另一种格式化字符串的方法是使用字符串的format()方法，它会用传入的参数依次替换字符串内的占位符{0}、{1}……，不过这种方式写起来比%要麻烦得多

常见的占位符有：

示例代码：（里面的“//”并不代表注释符）

a = 'Hello, %s' % 'world'    // 替换一个不使用括号
b = 'Hi, %s, you have $%d.' % ('Michael', 1000000)   // 替换多个使用括号


c = '%6d-%02d' % (3, 1)  //  %6d  表示输出3之前有（6-1）个空格输出
                         //  %05d 表示输出1之前有（5-1）个0输出
d = '%.2f' % 3.145926    //  %.2f 表示输出的浮点数保留两位小数，第三位小数>=5就向前进1
e = 'growth rate: %d %%' % 7   //  转义，用%%表示一个%输出
f='Hello, {0}, 成绩提升了 {1:.1f}%'.format('小明', 17.125)
                         //  使用字符串format()方法，注意括号里面的1的意义

print(a)
print(b)
print(c)
print(d)
print(e)
print(f)

运行结果：
Hello, world 
Hi, Michael, you have $1000000. 
     3-000000001 
3.15
growth rate: 7 % 
Hello, 小明, 成绩提升了 17.1%