python3默认字符编码是_python3字符编码

python 3字符编码

在Python2中默认是ascii编码&＃xff0c;Python3是utf-8编码

在python 的源代码文件中经常会看到&＃xff1a;

# -*- coding: latin-1 -*-

这句话要写在文件的第一行或者第二行才有效果

这句话是声明Python源文件的编码方式。这个编码信息会在Python 解释器去解释这个文件时用到&＃xff0c;使用这种编码方式去解释这个文件

因为所有文本&＃xff0c;图片&＃xff0c;声音&＃xff0c;视频保存在磁盘中都必须是二进制的数据&＃xff0c;对于文本&＃xff0c;需要先转化为二进制然后才能保存在磁盘中&＃xff0c;所以就出现了编码&＃xff0c;

廖雪峰字符编码博客链接&＃xff1a; https://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001386819196283586a37629844456ca7e5a7faa9b94ee8000

关于unicode 编码&＃xff0c;unicode编码

为了解决各国文字使用不同的编码造成的问题&＃xff0c;出现了unicode,一个字符用两个字节表示

但是Unicode 在存储和传输的过程中&＃xff0c;如果一个文件都是ascii 编码&＃xff0c;用unicode 存储或传输&＃xff0c;会造成很大的资源浪费。所以出现了utf-8 ,utf-16

utf-8 是变长编码&＃xff0c;对于英文用一个字节表示&＃xff0c;汉字用3个字节表示。避免了浪费。

在现代计算机的内存中普遍用 Unicode编码。

在python 中&＃xff0c;文本类型统一用str 类型表示&＃xff0c;二进制数据用bytes 类型表示。

>>> a&＃61;&＃39;中文&＃39;

>>>type(a)

>>> b&＃61;bytes(a,encoding&＃61;&＃39;utf-8&＃39;)>>>b

b&＃39;\xe4\xb8\xad\xe6\x96\x87&＃39;

>>>type(b)

>>>

以上的代码都在Python 的内存中&＃xff0c;可以看到将a 转换为二进制数据&＃xff0c;占了6个字节&＃xff0c; 在计算机中为了方便显示&＃xff0c;通常用16进制来表示2进制数据

因为一个16进制位可以用4个二进制位来表示。

e4实际上一个字节大小&＃xff0c;e 1110 4 0100 e4 用二进制就是11100100

>>> c&＃61;bytes(a,encoding&＃61;&＃39;gbk&＃39;)>>>c

b&＃39;\xd6\xd0\xce\xc4&＃39;

>>>

当用gbk 编码去转换为二进制的时候&＃xff0c;就成了4个字节&＃xff0c;在gbk 中&＃xff0c;一个中文字符用2个字节来表示

一般在一个字符前面加u 表示是unicode 字符&＃xff0c; 0x是十六进制数&＃xff0c;0x 是八进制数。0b 是二进制数

用内置函数bin() oct() hex() 可以进行各进制的转换

>>> d&＃61;0xE4

>>>bin(d)&＃39;0b11100100&＃39;

>>> d&＃61;0b11100100>>>hex(d)&＃39;0xe4&＃39;

>>>

>>> chr(65)&＃39;A&＃39;>>> ord(&＃39;A&＃39;)65

>>>