包含python關於編碼basic的詞條

本文目錄一覽：

• 1、python編程（三級）1、編碼、數制
• 2、python3.4 編碼有哪些
• 3、python程序有哪些編碼規範
• 4、python是什麼編碼格式
• 5、python有哪幾種編碼方式

python編程（三級）1、編碼、數制

在計算機中使用的是二進制，（為什麼呢，因為二進制計算簡單，可以用電路表示等等很多優點）。但是二進制對閱讀和使用是不友好的，因此需要將二進制轉換為人類使用的語言，英語，中文等，這就是編碼。

最初的編碼就是ASCII編碼，美國信息交換碼。它使用一個字節，8位二進制，可以表示128個符號。常用的1-9,26個字母以及一些英語符號等。

ascii表是不能表示中文的，因此中文也有專門的編碼，諸如GB2312，GBK等。其它國家也有類似編碼，因此為了方便信息的交流，也就有了統一編碼，Unicode，又叫萬國碼。unicode用0-65535來表示所有字符，Unicode用2-4個字節存儲。不同的存儲方式，又不同的編碼，這就是UTF-8，UTF-16，UTF-32。utf-8根據字符數字的大小，來決定存儲字節，存儲英文字符時用1個字節，存儲漢字時用2個字節。utf-16，兩個字節，utf-32，四個字節。

python3 在內存中使用的是Unicode，萬國碼，默認的編碼是utf-8。

chr() ，轉換為對應Unicode表字符

ord()，轉換為對於Unicode表數字

encode()，編碼，將str轉換為字節流

decode()，解碼，將字節流轉換為str

計算機存儲數據的格式是二進制，日常和數學中使用的數字是十進制，為了表達簡化，因此有了十六進制、八進制。

二進制—-十進制—-八進制—》十六進制

10000001  —》129  —》201—》81

從上式可以看出來，進制越大，表達更大數時更簡化。

二進制轉十進制  ，按權展開相加

十進制轉二進制，除基取余

二進制轉八進制 ，從右往左，取3位轉換為十進制得到即為8進制，不足3位左邊補0。

八進制轉二進制，每位展開得到3個二進制位

二進制轉十六進制，，從右往左，取4位轉換為十進制得到即為16進制，不足3位左邊補0。

十六進制轉二進制，每位展開得到四個二進制位

int() ，

hex()，轉換為16進制

bin()，轉換為二進制

oct()，轉換為八進制

python3.4 編碼有哪些

Python3中的編碼問題前，第一個段落對字節、ASCII與Unicode與UTF-8等進行基本介紹，如果不對這幾種編碼犯頭暈，可直接跳過。

ASCII與Unicode與UTF-8與GBK

首先從老大哥說起。跟很多人一樣，大學讀了這麼久，久仰ASCII編碼的大名。要說這個老大哥，我們再先從字節說起。一個字節包括八個比特位，每個比特位表示0或1，一個字節即可表示從00000000到11111111共2^8=256個數字。一個ASCII編碼使用一個字節（除去字節的最高位作為作奇偶校驗位），ASCII編碼實際使用一個字節中的7個比特位來表示字符，共可表示2^7=128個字符。比如那時寫C語言的程序，就經常要背下ASCII編碼中的01000001（即十進制的65）表示字符‘A’，01000001加上32之後的01100001（即十進制的97）表示字符‘a’。現在打開Python，調用chr和ord函數，我們可以看到Python為我們對ASCII編碼進行了轉換。

第一個00000000表示空字符，因此ASCII編碼實際上只包括了

字母、標點符號、特殊符號等共127個字符。因為ASCII是在美國出生的，對於由字母組成單詞進而用單詞表達的英文來說也是夠了。但是中國人、日本人、

韓國人等其他語言的人不服了。中文是一個字一個字，ASCII編碼用上了渾身解數256個字符都不夠用。

因此後來出現了Unicode編碼。Unicode編碼通常由兩個字節組成，共表示256*256個字符，即所謂的UCS-2。某些偏僻字還會用到四個字節，即所謂的UCS-4。也就是說Unicode標準也還在發展。但UCS-4出現的比較少，我們先記住：最原始的ASCII編碼使用一個字節編碼，但由於語言差異字符眾多，人們用上了兩個字節，出現了統一的、囊括多國語言的Unicode編碼。

在Unicode中，原本ASCII中的127個字符只需在前面補一個全零的字節即可，比如前文談到的字符‘a’：01100001，在Unicode中變成了00000000 01100001。不久，美國人不開心了，吃上了世界民族之林的大鍋飯，原本只需一個字節就能傳輸的英文現在變成兩個字節，非常浪費存儲空間和傳輸速度。

人們再發揮聰明才智，於是出現了UTF-8編碼。因為針對的是空間浪費問題，因此這種UTF-8編碼是可變長短的，從英文字母的一個字節，到中文的通常的三個字節，再到某些生僻字的六個字節。解決了空間問題，UTF-8編碼還有一個神奇的附加功能，那就是兼容了老大哥的ASCII編碼。一些老古董軟件現在在UTF-8編碼中可以繼續工作。

注意除了英文字母相同，漢字在Unicode編碼和UTF-8編碼中通常是不同的。比如漢字的‘中’字在Unicode中是01001110

00101101，而在UTF-8編碼中是11100100 10111000

10101101。

我們祖國母親自然也有自己的一套標準。那就是GB2312和GBK。當然現在挺少看到。通常都是直接使用UTF-8。記得我唯一一次看到GB編碼的網頁，是一個成人網站。

Python3中的默認編碼

Python3中默認是UTF-8，我們通過以下代碼：

import sys

sys.getdefaultencoding()

可查看Python3的默認編碼。

Python3中的encode和decode

Python3中字符編碼經常會使用到decode和encode函數。特別是在抓取網頁中，這兩個函數用的熟練非常有好處。我的理解，encode的作用，使我們看到的直觀的字符轉換成計算機內的字節形式。decode剛好相反，把字節形式的字符轉換成我們看的懂的、直觀的、“人模人樣”的形式。如下圖。

\x表示後面是十六進制，\xe4\xb8\xad即是二進制的11100100 10111000

10101101。也就是說漢字‘中’encode成字節形式，是11100100 10111000

10101101。同理，我們拿11100100

10111000 10101101也就是\xe4\xb8\xad來decode回來，就是漢字‘中’。完整的應該是b’\xe4\xb8\xad’，在Python3中，以字節形式表示的字符串則必須加上前綴b，也就是寫成上文的b’xxxx’形式。

前文說的Python3的默認編碼是UTF-8，所以我們可以看到，Python處理這些字符的時候是以UTF-8來處理的。因此從上圖可以看到，就算我們通過encode(‘utf-8’)特意把字符encode為UTF-8編碼，出來的結果還是相同：b’\xe4\xb8\xad’。

明白了這一點，同時我們知道UTF-8兼容ASCII，我們可以猜想大學時經常背誦的‘A’對應ASCII中的65，在這裡是不是也能正確的decode出來呢。十進制的65轉換成十六進制是41，我們嘗試下：

b’\x41′.decode()

結果如下。果然是字符‘A’

Python3中的編碼轉換

據說字符在計算機的內存中統一是以Unicode編碼的。只有在字符要被寫進文件、存進硬盤或者從服務器發送至客戶端（例如網頁前端的代碼）時會變成utf-8。但其實我比較關心怎麼把這些字符以Unicode的字節形式表現出來，露出它在內存中的廬山正面目的。這裡有個照妖鏡：

xxxx.encode/decode(‘unicode-escape’)

輸出如下

b’\\u4e2d’還是b’\u4e2d，一個斜杠貌似沒影響。同時可以發現在shell窗口中，直接輸’\u4e2d’和輸入b’\u4e2d’.decode(‘unicode-escape’)是相同的，都會打印出漢字‘中’，反而是’\u4e2d’.decode(‘unicode-escape’)會報錯。說明說明Python3不僅支持Unicode，而且一個‘\uxxxx’格式的Unicode字符可被辨識且被等價於str類型。

如果我們知道一個Unicode字節碼，怎麼變成UTF-8的字節碼呢。懂了以上這些，現在我們就有思路了，先decode，再encode。代碼如下：

xxx.decode(‘unicode-escape’).encode()

測試如下：

可以看到最後輸出的UTF-8字節與上面的相同。嘗試成功。所以其他的編碼之間的轉換，大概也是如此。

最後的擴展

還記得剛剛那個ord嗎。時代變遷，老大哥ASCII被人合併，但ord還是有用武之地。試試ord(‘中’)，輸出結果是20013。20013是什麼呢，我們再試試hex(ord(‘中’))，輸出結果是’0x4e2d’，也就是20013是我們在上文見面了無數次的x4e2d的十進制值。這裡說下hex，是用來轉換成十六進制的函數，學過單片機的人對hex肯定不會陌生。

最後的擴展，在網上看到的他人的問題。我們寫下類似於’\u4e2d’的字符，Python3知道我們想表達什麼。但是讓Python讀取某個文件的時候出現了’\u4e2d’，是不是計算機就不認識它了呢？後來下文有人給出了答案。如下：

import codecs

file = codecs.open( “a.txt”, “r”, “unicode-escape” )

u = file.read()

print(u)

python程序有哪些編碼規範

編碼格式聲明

通常，編碼格式聲明是必需的。如果 python 源碼文件沒有聲明編碼格式，python 解釋器會默認使用 ASCII 編碼，一旦源碼文件包含非ASCII編碼的字符，python 解釋器就會報錯。以 UTF-8 為例，以下兩種編碼格式聲明都是合乎規則的。

縮進

統一使用 4 個空格進行縮進。絕對不要用tab, 也不要tab和空格混用。對於行連接的情況，我一般使用4空格的懸掛式縮進。例如：

引號

自然語言使用雙引號

機器標識使用單引號

正則表達式使用雙引號

空行

編碼格式聲明、模塊導入、常量和全局變量聲明、頂級定義和執行代碼之間空兩行

頂級定義之間空兩行，方法定義之間空一行

在函數或方法內部，可以在必要的地方空一行以增強節奏感，但應避免連續空行

導入模塊

導入總應該放在文件頂部，位於模塊注釋和文檔字符串之後，模塊全局變量和常量之前。導入應該按照從最通用到最不通用的順序分組，分組之間空一行

標準庫導入

第三方庫導入

應用程序指定導入

命名規範

模塊盡量使用小寫命名，首字母保持小寫，盡量不要用下劃線

類名使用駝峰(CamelCase)命名風格，首字母大寫，私有類可用一個下劃線開頭

函數名一律小寫，如有多個單詞，用下劃線隔開

私有函數可用一個下劃線開頭

變量名盡量小寫, 如有多個單詞，用下劃線隔開

常量採用全大寫，如有多個單詞，使用下劃線隔開

python是什麼編碼格式

python編碼總結：

1).首先python有兩種格式的字符串，str和unicode，其中unicode相當於字節碼那樣，可以跨平台使用。

str轉化為unicode可以通過unicode()，u，str.decode三種方式

unicode轉化為str，如果有中文的話，一般通過encode的方式

2).如果代碼中有中文的話，我們一般會添加 “# coding=utf-8″，這個是什麼作用呢，一般如下：

如果代碼中有中文注釋，就需要此聲明比較高級的編輯器（比如我的emacs），會根據頭部聲明，將此作為代碼文件的格式。程序會通過

頭部聲明，解碼初始化 u”人生苦短”，這樣的unicode對象，（所以頭部聲明和代碼的存儲格式要一致

所以，當我們填上編碼頭的時候，使用s=”中文”，實際上type(s)是一個str，是已經將unicode以utf-8格式編碼成str。

其次，如果我們在代碼中使用s=u’中文’，相當於將str以utf-8解碼成unicode。

推薦學習《python教程》。

python有哪幾種編碼方式

第一種：ASCII碼。是基於拉丁字母的一套電腦編碼系統，主要用於顯示現代英語和其他西歐語言，它是現今最通用的單字節編碼系統，並等同於國際標準IS/IEC

646。

由於計算機是美國人發明的，因此，最早只有127個字母被編碼到計算機李，也就是大小寫英文字母、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a的編碼是97，後128個稱為擴展ASCII碼。

第二種：GBK和GB2312。能在計算機中顯示中文字符是至關重要的，然而ASCII表裡一個偏旁部首都沒有，所以我們需要一個關於中文和數字對應的關係表，一個字節只能最多表示256個字符，用處理中文顯然一個字節是不夠的，所以我們需要採用兩個字節來表示，所以中國制定了GB2312編碼，用來將中文編寫進去。

第三種：Unicode。因為各個國家都有一套自己的編碼，所以無法避免衝突，因此Unicode誕生了。它可以把所有語言都統一到一套編碼里，這樣就不會存在亂碼問題了，現代操作系統和大多數編程語言都直接支持Unicode。

第四種：UFT-8。基於節約的原則，出現了把Unicode編碼轉化為可變長編碼的UTF-8編碼。而UTF-8編碼把一個Unicode字符根據不同的數字大小編碼成1-6個字節，常用的英文字母被編碼成一個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4-6個字節，如果你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間。