Python中Unicode字串
阿新 • • 發佈:2018-12-18
字串還有一個編碼問題。 因為計算機只能處理數字,如果要處理文字,就必須先把文字轉換為數字才能處理。最早的計算機在設計時採用8個位元(bit)作為一個位元組(byte),所以,一個位元組能表示的最大的整數就是255(二進位制11111111=十進位制255),0 - 255被用來表示大小寫英文字母、數字和一些符號,這個編碼表被稱為ASCII編碼,比如大寫字母 A 的編碼是65,小寫字母 z 的編碼是122。 如果要表示中文,顯然一個位元組是不夠的,至少需要兩個位元組,而且還不能和ASCII編碼衝突,所以,中國製定了GB2312編碼,用來把中文編進去。 類似的,日文和韓文等其他語言也有這個問題。為了統一所有文字的編碼,Unicode應運而生。Unicode把所有語言都統一到一套編碼裡,這樣就不會再有亂碼問題了。 Unicode通常用兩個位元組表示一個字元,原有的英文編碼從單位元組變成雙位元組,只需要把高位元組全部填為0就可以。 因為Python的誕生比Unicode標準釋出的時間還要早,所以最早的Python只支援ASCII編碼,普通的字串'ABC'在Python內部都是ASCII編碼的。 Python在後來添加了對Unicode的支援,以Unicode表示的字串用u'...'表示,比如: print u'中文' 中文 注意: 不加 u ,中文就不能正常顯示。 Unicode字串除了多了一個 u 之外,與普通字串沒啥區別,轉義字元和多行表示法仍然有效: 轉義: u'中文\n日文\n韓文' 多行: u'''第一行 第二行''' raw+多行: ur'''Python的Unicode字串支援"中文", "日文", "韓文"等多種語言''' 如果中文字串在Python環境下遇到 UnicodeDecodeError,這是因為.py檔案儲存的格式有問題。可以在第一行添加註釋 # -*- coding: utf-8 -*- 目的是告訴Python直譯器,用UTF-8編碼讀取原始碼。然後用Notepad++ 另存為... 並選擇UTF-8格式儲存。