Hi，大家好，我是编程小6，很荣幸遇见你，我把这些年在开发过程中遇到的问题或想法写出来，今天说一说python2 字符串编码_python字符编码「建议收藏」,希望能够帮助你!!!。

前面一节课我们讲了进制的转换，这部分内容需要写的代码不是太多，不过需要多动笔计算练习练习。这节课我们开始讲字符编码。大家都知道，计算机中只认识0和1，那计算机中的字符是如何存储的呢？我们来看看本节的内容：

一、ASCII码

ASCII码是American Standard Code for Information Interchange的缩写。计算机最早是美国人发明的，英文中只需要使用英文字母、数字、特殊符号以及计算机的控制符。当时在他们看来，计算机中字符只需要100多个就够了，因此他们选择使用7位的二进制来表示字符的编码。为了预留一定的余量，最高位为0，正好凑满8位。组成了ASCII码。

因此，在计算机中一个二进制称为1比特（bit），八位的二进制称为1字节（byte）

我们看一下ASCII码的表：

这张表大家做一个了解。我们需要记忆的主要有以下三个值：

数字0 → 0x30 → 48

字母A → 0x41 → 65

字母a → 0x61 → 97

数字和数字之间、字母与字母时间是按照顺序连续的。我们只要能记住这三个值，就可以计算出别的数字和字母的ASCII码的值。

在Python中，有两个函数分别用于计算字符的ASCII码，通过ASCII码的值计算对应的字符。分别是chr()函数和ord()函数，使用非常简单，我们直接看例子：

print(chr('B'))
# 66

print(ord(99))
# c

通过这两个函数，我们可以实现子母的移位。我们把字母C转换成它后面的字母，我们怎么写呢，只需要将ASCII码的值加1就可以了：

print(ord(chr('C') + 1))

同样的道理，大写字母转换成小写字母，即是ASCII码的值+32；小写字母转大写字母，即ASCII码的值-32。

二、初识Unicode、UTF-8、GBK等编码

前面讲了ASCII码的知识，大家看出来，英文在电脑中的编码是没问题了。但是计算机走向全世界时，问题来了，电脑中如何表示其他各国的语言呢？我们暂且不说别的国家的文字，就中文里面使用的汉字就多达几万个，再加上俄语的西里尔字母、阿拉伯语的字母等等。

为了保持全世界语言在计算机中统一的表示，人们制定了Unicode（万国码）的标准，确保了世界上所有的语言都能够使用统一的标准编码。

Unicode最早使用的是2个字节，奈何字符数量实在太多，最后扩展成了4个字节。

Python 3中字符串类型中的字符使用的就是Unicode。

Unicode虽然很好，但是却有很大的问题。英文字母使用ASCII码原本只要一个字节就能表示的，使用Unicode却需要4个字节，白白浪费了空间。尤其是在网络传输时，白白浪费了网络带宽。于是UTF-8编码方式就诞生了。

UTF-8是一种针对Unicode的可变长度字符编码，它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容。在UTF-8中，英文字符仍然是1个字节，汉字占几个字节是不确定度，有可能2个字节、3个字节或者4个字节。

最后我们介绍一下在Unicode还没有被制定出来前制定出来的字符编码。Unicode是1991年开始制定的，在制定Unicode之前，各个国家都制定了各自的字符编码，以保证字符在计算机中的正常显示。如中国大陆的gb2312、香港台湾地区的BIG5、日本的SHIFT-JIS等等。使用不同的编码看字符会出现“乱码”现象。

乱码的示例

后来gb2312和BIG合并以后形成一个中文字符编码的超集，名字叫GBK。目前我们使用的Windows操作系统简体中文版中仍然使用的是GBK编码。

三、二进制序列类型

Python中的字符串类型很好用，但是文件读写、网络传输中，由于编码的问题我们无法直接使用字符串类型，我们要了解一个新的类型——二进制序列（bytes）类型。

3.1 二进制序列类型的创建

如果内容是纯英文字母和数字，可以直接在字符串的引号前加字母b，就可以将变量类型定义为二进制序列类型。

sentence1 = b'This is my book.'
sentence2 = b"This is my ruler."
sentence3 = b'''A: How old are you?
B: I\'m eleven.'''
print(type(sentence1))
# <class 'bytes'>
print(type(sentence2))
# <class 'bytes'>
print(type(sentence3))
# <class 'bytes'>

如果内容中包含非英文字符，我们在定义一个二进制序列类型时，需要制定它的字符编码：

sentence = bytes('好好学习，天天向上。', 'utf-8')

3.2 字符串和二进制序列的转换

字符串转换为二进制序列时，我们需要告诉计算机，字符编码是什么。有两种方法可以转换：

方法1：字符串的encode()方法、方法2：使用bytes()函数做类型转换。

str1 = "由俭入奢易，由奢入俭难。"
# 方法1
bytes1 = str1.encode('utf-8')

# 方法2
bytes1 = bytes(str1, 'utf-8')

二进制序列转换为字符串类型，可以使用bytes类型的decode()方法，同样要告诉计算机，二进制序列使用的是什么字符编码：

str1 = bytes1.decode('utf-8')

有人会问，为什么我们不能直接打印出bytes类型的值呢？如果是英文我们打印出来是没问题的，但是出现其他的文字，打印出来的内容我们是无法阅读的。我们看看上面的例子中bytes1打印出来是什么内容：

b'\xe7\x94\xb1\xe4\xbf\xad\xe5\x85\xa5\xe5\xa5\xa2\xe6\x98\x93\xef\xbc\x8c\xe7\x94\xb1\xe5\xa5\xa2\xe5\x85\xa5\xe4\xbf\xad\xe9\x9a\xbe\xe3\x80\x82'

所有的内容都是以转义字符开头，后面是十六进制的值。它代表着每个字符编码对应的十六进制的值。

这节课的内容主要以概念性的东西为主，大家需要记忆的是ASCII码中字符'0'、'A'、'a'的值以及字符串和二进制序列的转换的方法。

四、课后思考题

编程题

恺撒密码（英语：Caesar cipher），是一种最简单且最广为人知的加密技术。它是一种替换加密的技术，明文中的所有字母都在字母表上向后（或向前）按照一个固定数目进行偏移后被替换成密文。例如，当偏移量是3的时候，所有的字母A将被替换成D，B变成E，以此类推。这个加密方法是以罗马共和时期恺撒的名字命名的，当年恺撒曾用此方法与其将军们进行联系。

请编写一个程序，输入一个字符串，计算出该字符串的密文。

五、上节课思考题答案

1、A

2、C

今天的分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。