[TOC] # 编码 在最新的Python 3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') 65 >>> ord('中') 20013 >>> chr(66) 'B' >>> chr(25991) '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\u6587' '中文' ~~~ 两种写法完全是等价的。 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：** b代表字节 ~~~ 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** ~~~ >>> 'ABC'.encode('ascii') b'ABC' >>> '中文'.encode('utf-8') b'\xe4\xb8\xad\xe6\x96\x87' >>> '中文'.encode('ascii') Traceback (most recent call last): File "<stdin>", line 1, in <module> UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128) ~~~ 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\x96\x87'.decode('utf-8') '中文' ~~~ 如果bytes中包含无法解码的字节，decode()方法会报错： ~~~ >>> b'\xe4\xb8\xad\xff'.decode('utf-8') Traceback (most recent call last): ... UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte ~~~ **如果bytes中只有一小部分无效的字节，可以传入`errors='ignore'`忽略错误的字节** ~~~ >>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore') '中' ~~~ 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 # 中文 每个字符占用三个字节 >>> len(b'\xe4\xb8\xad\xe6\x96\x87') 6 >>> len('中文'.encode('utf-8')) 6 ~~~ 可见，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。 由于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/env python3 # -*- coding: utf-8 -*- ~~~ 第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释； 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。 申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码的，必须并且要确保文本编辑器正在使用UTF-8 without BOM编码 # 注释 **单行注释** 以`#`开头，`#`右边的所有东西当做说明，而不是真正要执行的程序，起辅助说明作用 ~~~ # 我是注释，可以在里写一些功能说明之类的哦 print('hello world') ~~~ **多行注释** ~~~ '''我是多行注释，可以写很多很多行的功能说明 这就是我牛X指出 哈哈哈。。。 ''' ''' 多行注释 ''' ~~~