python 字元編碼

2022-08-30 04:33:07 字數 2937 閱讀 1340

#


coding:utf-8



in [6]: import


sysin [7]: sys.getdefaultencoding()


out[7]: '


ascii


'in [8]: reload(sys)


'sys


' (built-in)>in [9]: sys.setdefaultencoding('


utf-8')


in [10]: sys.getdefaultencoding()


out[10]: '


utf-8


'

#


#syntaxerror: from __future__ imports must occur at the beginning of the file


in [25]: from


__future__


import


unicode_literals


in [26]: type('


123'


)out[26]: unicode


in [27]: type(u'


123'


)out[27]: unicode
是最早使用、最常見的一種字元編碼，包含了128個字元（英文本母、數字、符號、控制字元等），也是下面講到的所有編碼的公共集合。

西歐字符集編碼。

這是簡體中文的三種編碼，從左到右包含的字元範圍依次增大，左邊是右邊的子集。

正體中文編碼。

in [11]: from chardet import


detect


in [12]: detect('


abc'


)out[12]: 


in [13]: detect(r'


abc'


)out[13]:
注：detect的引數不能是unicode字串，否則會報錯。

str和unicode都是python內建的兩種字串類，並且有著同樣的父類：basestring

in [15]: type('


123'


)out[15]: str


in [16]: type(u'


123'


)out[16]: unicode


in [17]: str.__bases__


out[17]: (basestring,)


in [18]: unicode.__bases__


out[18]: (basestring,)


in [19]: basestring.__bases__


out[19]: (object,)
有時候並不知道乙個字串的編碼是什麼（比如從某個檔案中讀取的內容），這時候如何把這個檔案的字元編碼轉為需要的編碼呢（比如gbk）？

答案是：借助unicode為橋梁。

比如：

with open('


content.txt


','r


') as fin:


content =fin.read()


#這裡先把檔案內容decode成utf-8編碼（中間橋梁），再encode成gbk編碼（目標編碼）


target = content.decode('


utf-8


').encode('


gbk')



in [20]: s = '


\u6211


'in [21]: type(s)


out[21]: str


in [22]: print


s\u6211


in [23]: print s.decode('


unicode-escape


').encode('


utf-8')


我

in [2]: s = '


123'


in [3]: type(s)


out[3]: str


in [4]: s = unicode(s,'


utf-8')


in [5]: type(s)


out[5]: unicode
按照matplotlib預設的字元編碼，在圖表中中文不能正常顯示，會顯示為方框，如下：

import


matplotlib.pyplot as plt


x = [1,2,3]


y = [4,6,8]


plt.plot(x,y)


plt.title(u'資料


')plt.show()
解決方法：

plt.rcparams['


font.sans-serif


'] = ['


simhei


']  #


指定預設字型


plt.rcparams['


axes.unicode_minus


'] = false  #


解決負號顯示為方框的問題


plt.title(u'資料'

				
python字元編碼
ascii 碼是乙個位元組，通常只能顯示英文本母和數字。unicode碼為了顯示多種語言產生，但是要占用兩個位元組，顯示文字要占用大量空間 utf 8 為了節約空間而生，英文本元只用乙個位元組儲存，中文字元需要三個位元組 character ascii unicode utf 8 a01000000...

				
python字元編碼
列印python檔案編碼 import sys print sys.getdefaultencoding 中文的乙個字元unicode占用2個位元組。對在於ascii字元占用1個位元組 utf 8中 中文字元佔3個位元組，英文本元占用1個位元組 編碼和轉碼 unicode不能再解碼了 它是基層的 u...

				
Python字元編碼
在用python程式設計中，字串有兩種表示方法 string 和 u string 為什麼字串要是用這兩種表達方式。不是僅僅用前一種呢？使用type 函式檢視，它們各自是str物件和unicode物件。這兩個物件有什麼差別嗎？還有經經常使用到的encode 和decode 又是幹什麼的呢？都說pyt...