零基础学习 Python 之字符编码

清疚 2022-02-02 09:23 227阅读 0赞

**编码**

要讲字符编码，首先我们要从编码开始谈起。编码这个东西如果单说具体的定义的话可能很难理解，下面我用一个例子解释一下。

大家应该都看过战争片，一般要强攻的时候，长官下令冲锋，然后就有一个小兵拿起小喇叭吹冲锋号，这里其实就是一次编码，长官下达冲锋命令，小兵将这个命令编码为冲锋号“嘟嘟嘟嘟”的声音，然后声音在空气中传播，士兵们听到之后一般都会知道这是冲锋的意思，不会听成是打呼噜的声音，长官下达的命令你可能离着远了听不清啥意思，但是一听冲锋号吹起来，接受过训练的人就知道这是要冲锋的意思，不会理解错意思，这也是编码的优势所在。这里要说的是士兵接收到进攻命令，这叫做解码，解码完毕后士兵们明白了，然后才行动。

当然以上过程说的很简单，真实的编码和解码过程肯定比这个复杂的多，但是总的原理，其实就是这么个意思。

**字符编码**

编码我们说完了，那我们再来说说什么是字符编码。我们都知道计算机只能处理数字 (因为电是驱使计算机工作的基本，而电的特征就是高低电平，高电平是 1，低电平是 0)，而我们编程的目的是为了让计算机给我们干活，从而实现我们的目的，而编程说白了就是一堆字符，所以一堆字符想要驱使计算机干活，而计算机又只能处理数字，所以说这里面涉及到一点，那就是从字符到数字的这么一个过程，这个过程其实就是一个字符如何对应一个特定数字的标准，这个标准就是字符编码。

**字符编码的发展史**

计算机的字符编码并不是一蹴而就的，而是有一个发展的过程。

1. ASCII 码

20 世纪 60 年代，计算机发明的早期，那时候美国是计算机领域的大哥，于是他们自己制定了一套字符编码，解决了英文和二进制间的对应关系，这个被称为 ASCII 码。

ASCII 码是基于拉丁字母的一套电脑编码系统，主要用于现代英语，因为英语用 128 个字符就够了，但是计算机又不单单只是英语系国家用，如果表示其他语言，128 个字符是远远不够的，于是其他的国家，都是在 ASCII 码的基础上，又发明了很多别的编码。

2. Unicode 码

在编码上，由于出现了很多不同的形式，于是就出现了 “乱码” ，比如互发邮件的双方，如果使用的编码方式不一样，那么收信人就只能看乱码了。于是 Unicode 应运而生，只看它的名字也应该知道，就是要统一符号的编码。

Unicode 对世界上绝大多数的文字系统进行了整理，编码，使得电脑可以用更为简单的方式来呈现和处理文字，它伴随着通用字符集的标准而发展，同时也以书本的形式对外发表。 Unicode 直到今天仍在不断的增修，每个新版本都加入了更多的字符，它涵盖的数据除了视觉上的字形，编码方法，标准的字符编码外，还包含了诸如大小写字母等的字符特性。它虽然这么能干，你也要保持清醒，它也不是完美的，仍需继续改进。

3. UTF - 8

UTF 就是 Unicode 的实现方式，而 UTF -8 是现在互联网上流传最广的 Unicode 实现方式，虽然它只是 Unicode 实现方式中的一种，但也隐约有武林盟主的地位。

UTF - 8 是一种针对 Unicode 的可变长度字符编码，也是一种前缀码，它可以用来表示 Unicode 标准中的任何字符，它也是现在电子邮件，网页以及其他存储或者发送文字的应用优先采用的编码。

所以，我们在以后的 Python 程序开发中，最好都要用 UTF - 8 编码。

**Python 字符编码**

在 Python3 中，所有的字符串都是 Unicode 字符串。

如果你想查看一下当前环境的编码格式，可以用 sys 中 的 getdefaultencoding() 函数查看。

>>> import sys  
>>> sys.getdefaultencoding()  
'utf-8'

因为 Python3 支持的是 Unicode，所以每个汉字都对应着一个编码数字，如果你想直到某个汉字对应的编码数字，可以用 ord() 函数，同样如果你想知道某个数字对应的汉字，可以用 chr() 函数。

>>> ord('李')  
26446  
>>> chr(26446)  
'李'

最后在说一个函数 encode() ，这个函数能够将 Unicode 编码的字符串转化为其它编码，默认的是 UTF - 8，具体的应用如果有兴趣的话可以用 help(str.encode) 查看。