01. 文本文件的编码格式（科普）

  • 文本文件存储的内容是基于字符编码的文件，常见的编码有​​ASCII​​​ 编码，​​UNICODE​​ 编码等

Python 2.x 默认使用 ​​ASCII​​​ 编码格式
Python 3.x 默认使用 ​​​UTF-8​​ 编码格式

1.1 ASCII 编码和 UNICODE 编码

​​ASCII​​ 编码

  • 计算机中只有​​256​​​ 个​​ASCII​​ 字符
  • 一个​​ASCII​​ 在内存中占用1 个字节的空间
  • ​​8​​​ 个​​0/1​​​ 的排列组合方式一共有​​256​​​ 种，也就是​​2 ** 8​​

python面向对象编程——编码格式_字符串

​​UTF-8​​ 编码格式

  • 计算机中使用1~6 个字节来表示一个​​UTF-8​​ 字符，涵盖了地球上几乎所有地区的文字
  • 大多数汉字会使用3 个字节表示
  • ​​UTF-8​​​ 是​​UNICODE​​ 编码的一种编码格式

1.2 Ptyhon 2.x 中如何使用中文

Python 2.x 默认使用 ​​ASCII​​​ 编码格式
Python 3.x 默认使用 ​​​UTF-8​​ 编码格式

  • 在 Python 2.x 文件的第一行增加以下代码，解释器会以​​utf-8​​ 编码来处理 python 文件
# *-* coding:utf8 *-*

这方式是官方推荐使用的！

  • 也可以使用
# coding=utf8

unicode 字符串

  • 在​​Python 2.x​​​ 中，即使指定了文件使用​​UTF-8​​ 的编码格式，但是在遍历字符串时，仍然会以字节为单位遍历字符串
  • 要能够正确的遍历字符串，在定义字符串时，需要在字符串的引号前，增加一个小写字母​​u​​​，告诉解释器这是一个​​unicode​​​ 字符串（使用​​UTF-8​​ 编码格式的字符串）
# *-* coding:utf8 *-*

# 在字符串前，增加一个 `u` 表示这个字符串是一个 utf8 字符串
hello_str = u"hello朋友" 

print(hello_str)

for c in hello_str:
    print(c)