python3 unicode 编码

python3 编码

  1. unicode码在python里有两种表示方式:

    u’字符串’或者’\u四位十六进制数’。它们是等价的,而且都是str对象。

    栗子:

    1
    2
    3
    4
    5
    6
    7
    8
    a = u'中国'
    b = '\u4E2D\u56FD'
    c = '\\u4E2D\\u56FD'

    print(type(a), a)
    print(type(b), b)
    print(type(c), c)
    print('a == b:', a == b)

    结果:

    1
    2
    3
    4
    <class 'str'> 中国
    <class 'str'> 中国
    <class 'str'> \u4E2D\u56FD
    a == b: True
  2. \\u4E2D\\u56FD 形如这样的字符串转码

    1
    2
    3
    4
    c = '\\u4E2D\\u56FD'

    print(c)
    print(c.encode().decode('unicode-escape'))

    结果:

    1
    2
    \u4E2D\u56FD
    中国

    ps: encode默认编码方式为utf-8

  3. 区别 str 对象 ‘\u4E2D\u56FD’ 和 bytes对象 b’\u4e2d\u56fd’

    1
    2
    3
    4
    5
    b = u'\u4E2D\u56FD'
    d = b'\u4E2D\u56FD'

    print(b.encode('unicode-escape'))
    print(d.decode('unicode-escape'))

    结果:

    1
    2
    b'\\u4e2d\\u56fd'
    中国

    结论:

    • 两者可以通过encode和decode相互转换
    • 他们在书写的时候仅仅单引号前的修饰符有区别
  4. 汉字输出成unicode形式(不一定是汉字)

    1
    2
    3
    4
    5
    6
    7
    8
    def to_unicode(string):
    ret = ''
    for v in string:
    ret = ret + hex(ord(v)).upper().replace('0X', '\\u')
    return ret

    a = '中国'
    print(to_unicode(a))

    结果:

    1
    \u4E2D\u56FD
  5. Python3 中的 chr 和 ord 的使用

    1
    2
    print(ord('中'))
    print(chr(20013))
    1
    2
    20013

0%