Python中\\u,汉字的unicode编码值python
对于使用中文的程序员来说,中文编码问题往往是一个大问题,即使是在python中。那么应该如何理解和解决python中的编码问题呢?
Python对内使用unicode代码,对外却要面对各种奇怪的代码,比如gbk、gb2312、utf8等。这是中国节目经常面临的问题。这些代码是如何转换成内部unicode的?
首先,让我们看看字符串在源代码文件中的使用。作为文本文件,源代码文件必须以某种编码形式存储代码。python会默认认为源代码文件是asci编码。例如,代码中有一个变量赋值:
s1=a
打印s1
Python认为这个‘a’是一个asci编码的字符。当只使用英文字符时,一切都很好,但是如果使用中文,例如:
S1=“哈”
打印s1
这个代码文件在执行的时候会出错,就是编码有问题。Python默认把代码文件的内容当作asci代码,但是asci代码中没有中文,所以抛出异常。
解决问题的方法是让python知道文件中使用的是什么编码形式。对于中文,可以使用的常用编码有utf-8、gbk和gb2312等。只需在代码文件的前端添加以下内容:
# -*-编码:utf-8 -*-
这是告诉python这个文件中的文本是utf-8编码的,这样python就会按照utf-8编码形式来解释字符,然后转换成unicode编码进行内部处理。
但是如果在Windows控制台下运行这段代码,虽然执行了程序,但是屏幕上打印出来的并不是汉字“哈”。这是python编码和控制台编码不一致造成的。Windows下层控制台中的代码使用
是gbk,但是代码中使用的utf-8,在gbk代码控制台下按照utf-8代码打印的python自然会不一致,打印不出正确的汉字。
一种解决方法是将源代码的代码改为gbk,即代码的第一行改为:
# -*-编码:gbk -*-
还有一种方法是保持源文件的utf-8不变,但是在 ha 前面加一个U字,那就是:
S1=哈哈
打印s1
这样就能把‘哈’字印对了。
这里的u表示以unicode格式存储后跟它的字符串。Python会根据代码第一行标称的utf-8编码来识别代码中的汉字‘ha’,然后转换成unicode对象。如果用type来看 ha 的数据类型,我们会得到Type str ,而type(u ha )会得到Type unicode ,也就是在字符前面加U表示是unicode对象,这个词会以unicode格式存在内存中。如果不加U,说明只是某种编码的字符串,编码格式。
Python向控制台输出unicode对象时,会根据输出环境的编码自动转换。但如果输出的不是unicode对象而是普通字符串,就会直接按照字符串的编码输出字符串,导致上述现象。
如果使用unicode对象,除了U标记之外,还可以使用unicode类以及字符串的编码和解码方法。
unicode类的构造函数接受一个字符串参数和一个编码参数,并将字符串封装成一个unicode。例如,在这里,因为我们使用utf-8编码,unicode中的编码参数使用“utf-8”将字符封装到
Unicode对象,然后将其正确输出到控制台:
S1=Unicode(哈, UTF-8 )
打印s1
此外,decode函数还可以用于将普通字符串转换为unicode对象。很多人不明白python字符串的decode和encode函数是什么意思。下面简单解释一下。
Decode就是根据参数中的编码格式解析一个普通的字符串,然后生成对应的unicode对象。例如,这里我们的代码使用utf-8,那么将字符串转换为unicode的格式如下:
S2=“哈”。解码(“UTF-8”)
此时,s2是一个存储单词 ha 的unicode对象,实际上与Unicode (ha , UTF-8 )和u ha 是一样的。
那么encode正好是相反的功能,就是把一个unicode对象转换成参数中编码格式的普通字符,比如下面的代码:
S3=Unicode (ha , UTF-8 )。编码(“UTF-8”)
现在s3又回到utf-8 ha 了。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。