python汉字占多少字节数(2023年最新分享)
导读:本篇文章首席CTO笔记来给大家介绍有关python汉字占多少字节数的源码相关内容,希望对大家有所帮助,多少一起来看看吧。源码python一个汉字的多少长度是多少?这要看使用的哪种编码方式,utf-8的源码话是用了3个字节,GBK的多少修改手机imei源码话是用了两个
'汉'.encode('utf-8')b'\xe6\xb1\x'
'汉'.encode('GBK')b'\xba\xba'
python3字符串都是什么编码编码
字符串是一种数据类型,但是源码,字符串比较特殊的多少是还有一个编码问题。
因为计算机只能处理数字,源码如果要处理文本,多少就必须先把文本转换为数字才能处理。源码最早的多少计算机在设计时采用8个比特(bit)作为一个字节(byte),所以,源码一个字节能表示的多少最大的整数就是(二进制=十进制),如果要表示更大的源码整数,就必须用更多的字节。比如两个字节可以表示的最大整数是,4个字节可以表示的最大整数是。
由于计算机是美国人发明的,因此,最早只有个字母被编码到计算机里,也就是大小写英文字母、数字和一些符号,这个编码表被称为ASCII编码,比如大写字母A的编码是,小写字母z的网站源码哪有编码是。
Unicode
Unicode把所有语言都统一到一套编码里,这样就不会再有乱码问题了。
Unicode标准也在不断发展,但最常用的是用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节)。现代操作系统和大多数编程语言都直接支持Unicode。
现在,捋一捋ASCII编码和Unicode编码的区别:ASCII编码是1个字节,而Unicode编码通常是2个字节。
字母A用ASCII编码是十进制的,二进制的;
字符0用ASCII编码是十进制的,二进制的,注意字符'0'和整数0是不同的;
汉字已经超出了ASCII编码的范围,用Unicode编码是十进制的,二进制的。
如果把ASCII编码的A用Unicode编码,只需要在前面补0就可以,因此,A的Unicode编码是。
新的问题又出现了:如果统一成Unicode编码,乱码问题从此消失了。但是,如果你写的文本基本上全部是英文的话,用Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上就十分不划算。springdubbo源码解析
所以,又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间:
字符
ASCII
Unicode
UTF-8
A?
中x?
从上面的表格还可以发现,UTF-8编码有一个额外的好处,就是ASCII编码实际上可以被看成是UTF-8编码的一部分,所以,大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。
搞清楚了ASCII、Unicode和UTF-8的关系,我们就可以总结一下现在计算机系统通用的字符编码工作方式:
在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。
用记事本编辑的时候,从文件读取的UTF-8字符被转换为Unicode字符到内存里,编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件:
浏览网页的时候,服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器:
所以你看到很多网页的源码上会有类似metacharset="UTF-8"/的信息,表示该网页正是用的UTF-8编码。
Python的源码模板区别字符串
在最新的Python3版本中,字符串是以Unicode编码的,也就是说,Python的字符串支持多语言,例如:
print('包含中文的str')
包含中文的str
对于单个字符的编码,Python提供了ord()函数获取字符的整数表示,chr()函数把编码转换为对应的字符:
ord('A')
ord('中')
chr()'B'chr()'文'
如果知道字符的整数编码,还可以用十六进制这么写str
'\u4e2d\u'//中文
byte
由于Python的字符串类型是str,在内存中以Unicode表示,一个字符对应若干个字节。如果要在网络上传输,或者保存到磁盘上,就需要把str变为以字节为单位的bytes。
Python对bytes类型的数据用带b前缀的单引号或双引号表示:
x=b'ABC'
要注意区分'ABC'和b'ABC',前者是str,后者虽然内容显示得和前者一样,但bytes的每个字符都只占用一个字节。
以Unicode表示的str通过encode()方法可以编码为指定的bytes,例如:
'ABC'.encode('ascii')
b'ABC''中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x\x''中文'.encode('ascii')
Traceback(mostrecentcalllast):
File"stdin",line1,inmoduleUnicodeEncodeError:'ascii'codeccan'tencodecharactersinposition0-1:ordinalnotinrange()
纯英文的str可以用ASCII编码为bytes,内容是一样的,含有中文的str可以用UTF-8编码为bytes。含有中文的str无法用ASCII编码,因为中文编码的范围超过了ASCII编码的范围,Python会报错。
在bytes中,无法显示为ASCII字符的cms源码更新字节,用\x##显示。
反过来,如果我们从网络或磁盘上读取了字节流,那么读到的数据就是bytes。要把bytes变为str,就需要用decode()方法:
b'ABC'.decode('ascii')'ABC'b'\xe4\xb8\xad\xe6\x\x'.decode('utf-8')'中文'
要计算str包含多少个字符,可以用len()函数
len('ABC')3
len('中文')2
len()函数计算的是str的字符数,如果换成bytes,len()函数就计算字节数
len(b'ABC')3
len(b'\xe4\xb8\xad\xe6\x\x')6
len('中文'.encode('utf-8'))6
1个中文字符经过UTF-8编码后通常会占用3个字节,而1个英文字符只占用1个字节。
在操作字符串时,我们经常遇到str和bytes的互相转换。为了避免乱码问题,应当始终坚持使用UTF-8编码对str和bytes进行转换。
Python源代码也是一个文本文件,所以,当你的源代码中包含中文的时候,在保存源代码时,就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时,为了让它按UTF-8编码读取,我们通常在文件开头写上这两行
#!/usr/bin/envpython3#-*-coding:utf-8-*-
第二行注释是为了告诉Python解释器,按照UTF-8编码读取源代码,否则,你在源代码中写的中文输出可能会有乱码。
格式化:
在Python中,采用的格式化方式和C语言是一致的,用%实现,举例如下:
format%(...params)
'Hello,%s'%'world''Hello,world''Hi,%s,youhave$%d.'%('Michael',)'Hi,Michael,youhave$.'
%运算符就是用来格式化字符串的。在字符串内部,%s表示用字符串替换,%d表示用整数替换,%x表示进制整数,有几个%?占位符,后面就跟几个变量或者值,顺序要对应好。如果只有一个%?,括号可以省略。
格式化整数和浮点数还可以指定是否补0和整数与小数的位数:
'%2d-%d'%(3,1)'3-''%.2f'%3.'3.'
有些时候,字符串里面的%是一个普通字符怎么办?这个时候就需要转义,用%%来表示一个%:
'growthrate:%d%%'%7'growthrate:7%'
这段Python代码中字符串的长度为什么是啊?不是一个汉字占两个字节吗?
师父问:“如果你要烧壶开水,生火到一半时发现柴不够,你该怎么办?”有的弟子说赶快去找,有的说去借,有的说去买。师父说:为什么不把壶里的水倒掉一些呢?世事总不能万般如意,有舍才有得。尤其当你身处困境的时候,转换一下角度,可能就是峰回路转,柳暗花明。师父问:“如果你要烧壶开水,生火到一半时发现柴不够,你该怎么办?”有的弟子说赶快去找,有的说去借,有的说去买。师父说:为什么不把壶里的水倒掉一些呢?世事总不能万般如意,有舍才有得。尤其当你身处困境的时候,转换一下角度,可能就是峰回路转,柳暗花明。师父问:“如果你要烧壶开水,生火到一半时发现柴不够,你该怎么办?”有的弟子说赶快去找,有的说去借,有的说去买。师父说:为什么不把壶里的水倒掉一些呢?世事总不能万般如意,有舍才有得。尤其当你身处困境的时候,转换一下角度,可能就是峰回路转,柳暗花明。师父问:“如果你要烧壶开水,生火到一半时发现柴不够,你该怎么办?”有的弟子说赶快去找,有的说去借,有的说去买。师父说:为什么不把壶里的水倒掉一些呢?世事总不能万般如意,有舍才有得。尤其当你身处困境的时候,转换一下角度,可能就是峰回路转,柳暗花明。师父问:“如果你要烧壶开水,生火到一半时发现柴不够,你该怎么办?”有的弟子说赶快去找,有的说去借,有的说去买。师父说:为什么不把壶里的水倒掉一些呢?世事总不能万般如意,有舍才有得。尤其当你身处困境的时候,转换一下角度,可能就是峰回路转,柳暗花明。师父问:“如果你要烧壶开水,生火到一半时发现柴不够,你该怎么办?”有的弟子说赶快去找,有的说去借,有的说去买。师父说:为什么不把壶里的水倒掉一些呢?世事总不能万般如意,有舍才有得。尤其当你身处困境的时候,转换一下角度,可能就是峰回路转,柳暗花明。师父问:“如果你要烧壶开水,生火到一半时发现柴不够,你该怎么办?”有的弟子说赶快去找,有的说去借,有的说去买。师父说:为什么不把壶里的水倒掉一些呢?
python程序采用unicode编码,一个中文字符对应几个python程序采用unicode编码,一个中文字符对应两个字节。Unicode编码中,一个英文等于两个字节,一个中文(含繁体)等于两个字节。
结语:以上就是首席CTO笔记为大家介绍的关于python汉字占多少字节数的全部内容了,希望对大家有所帮助,如果你还想了解更多这方面的信息,记得收藏关注本站。
代码和源码有什么区别?
一、指代不同1、代码:是程序员用开发工具所支持的语言写出来的源文件,是一组由字符、符号或信号码元以离散形式表示信息的明确的规则体系。
2、源代码:指未编译的按照一定的程序设计语言规范书写的文本文件,是一系列人类可读的计算机语言指令。
二、特点不同
1、代码:原则包括唯一确定性、标准化和通用性、可扩充性与稳定性、便于识别与记忆、力求短小与格式统一以及容易修改等。
2、源代码:最终目的是将人类可读的文本翻译成为计算机可以执行的二进制指令,这种过程叫做编译,通过编译器完成。
三、存储方式不同
1、代码:可以书籍或磁带形式出现,但最为常用格式是文本文件,这种典型格式的目的是为了编译出计算机程序。
2、源代码:作为软件的特殊部分,可能被包含在一个或多个文件中。一个程序不必用同一种格式的源代码书写。
百度百科-源码
百度百科-代码
2024-12-23 23:42
2024-12-23 23:40
2024-12-23 23:25
2024-12-23 23:09
2024-12-23 22:13