您的位置:手机购彩平台 > 手机购彩平台-编程 > 因此8位的二进制数可以表示256种状态

因此8位的二进制数可以表示256种状态

2019-09-24 15:47

目录

  • python与中文的那点事
      1. utf-8/gbk/unicode/ASCII
    • 2.各种编码之间的转换
      1. 统计字符串中数字,字母,汉字的个数

python与中文的那点事

在学习python的过程中,发现在python2与python3中对中文的处理有所不同,所以这篇文章就来探讨一下这些不同

1. utf-8/gbk/unicode/ASCII

  我们都知道,在计算机内部所有的信息都可以被表示成二进制的字符串,每一个二进制位有1和0两种状态,因此8位的二进制数可以表示256种状态,这也被称为字节,也就是一个字节可以表示可以用来表示256种不同的状态,每一个状态都对应一个符号;上个年代美国制定了一套字符编码,对应英文字母与二进制之间的关系,做了统一的规定。这被称为ASCII,一直沿用至今。
  
  当然设计上存在很多的编码方式,同一个二进制也可以被解释成不同的符号,因此想要打开一个文件就必须要知道它的编码方式,否则用错误的编码方式进行读取,就会产生乱码。所以说如果有一种编码,能适应世界上所有的编码规则,那么就可以解决掉所有的乱码问题。所以Unicode这套编码规则就被设计出来了,Unicode当然是一个很大的合集,可以容纳100多万个符号,每个符号的编码都不一样,但是要注意到的是,Unicode只是一个符号集,他并没有规定这个二进制如何去存储,所以有些字符是用2个字节存储,有的是三个或者四个字节进行存储,甚至更多。那么这样的话就会有一个问题,就是计算机应该如何确定到底是三位字节决定一个符号,还是两字节决定一个符号。这样造成的结果就是会产生多种的Unicode编码方式,也就是说有不同的二进制格式,所以不能进行有效的推广。
  
  随着互联网的普及,需要一种能够统一的编码方式,utf-8就是在互联网上是用最广的一种Unicode实现的方法,其他方法还有UFT-18和UTF-32,不过现在在互联网上基本不是很通用,所以要强调的是UTF-8是Unicode的一种实现方式。UTF-8最大的一个特点就是它是一种变长的编码模式;它可以用1~4个字节表示一个符号,根据不同的符号而变化字节长度。
  
  另外,UTF-8是Unix下的通用编码,可以对汉字进行编码;gbk是win环境下的一种汉字编码格式。所有的UTF-8gbk编码都得通过Unicode编码进行转换,而UTF-8gbk之间不能相互转换,要在Unicode过个场。

图片 1   

  在下面代码中:

# -*- coding:utf-8 -*-s='汉字'print

  s是一串utf-8编码的汉字,在print的时候,先把utf-8转化成unicode再输出成正产显示的汉字。

2.各种编码之间的转换

  python中有两个很好用的函数decode()encode()
  decode 是从utf-8编码转换成unicode编码,当然括号里也可以写'gbk'。
  encode 是将unicode编码编译成gbk编码,当然括号里也可以写'utf-8'。
假如我知道一串编码是用gbk编写的,怎么转成utf-8呢?

s.decode('utf-8').encode('gbk')

  那么这样就有一个有意思的小问题,如何看一个汉字分别用utf-8和gbk编码所用的位数,我们用代码演示一下:

#python3 中可以直接进行编码>>> len("测试代码".encode("utf-8"))12>>> len("测试代码".encode("gbk"))8#因为在Python3中默认就是unicode编码#python2中需要先decode 一次>>> len("测试代码".decode("utf-8").encode("utf-8"))12>>> len("测试代码".decode("utf-8").encode("gbk"))8

Python3.0中默认的编码类型就是Unicode了,在python2.x中默认编码是ascill。

3. 统计字符串中数字,字母,汉字的个数

#re模块,实现正则匹配import restr_test = 'asdfghjkl123456测试代码'num_regex = re.compile(r'[0-9]')alphabet_regex = re.compile(r'[a-zA-z]')chzn_regex = re.compile(r'[u4E00-u9FA5]')print('输入字符串:',str_test)#findall获取字符串中所有匹配的字符num_list = num_regex.findallprint('包含的数字:',num_list)alphabet_list = alphabet_regex.findallprint('包含的字母:',alphabet_list)chzn_list = chzn_regex.findallprint('包含的汉字:',chzn_list)print('数字个数:',len)print('字母个数:',len(alphabet_list))print('汉字个数:',len(chzn_list))

输出结果:

输入字符串: asdfghjkl123456测试代码包含的数字: ['1', '2', '3', '4', '5', '6']包含的字母: ['a', 's', 'd', 'f', 'g', 'h', 'j', 'k', 'l']包含的汉字: ['测', '试', '代', '码']数字个数: 6字母个数: 9汉字个数: 4

本文由手机购彩平台发布于手机购彩平台-编程,转载请注明出处:因此8位的二进制数可以表示256种状态

关键词: