注：本文的Python學習系列是筆者在學習廖雪峯老師的Python教程所記錄下的學習筆記，如果想了解更多Python系列的學習資料可以看看 廖雪峯 Python教程
知識回顧：
在上一章的 Python基礎（一）數據類型與變量學習了Python 的基本數據類型與邏輯運算符號，比較簡單。這一章就一起來複習一下計算機的基礎編碼格式把…
一，字符編碼
背景：
計算機只能處理數字，如果要處理文本，就必須要先把文本轉換爲數字才能處理。在最早的計算機設計時採用8個比特（bit）作爲一個字節，所以一個字節能表示的最大整數就是 255（二進制 11111111 = 十進制 255），如果要表示更大的整數，就必須用更多的字節比如，2個字節能表示的最大整數是65535，4個字節能表示的最大整數是 4294967295
種類與區別：
1，由於計算機是美國人發明的，因此最早只有127個字符被編碼到計算機裏面去，也就是 ASCII 碼。比如大寫字母A 是65 ，小寫字母z 是122。
（貼出來看看，看不懂也沒關係…）
2，但是要處理中文顯然一個字節是不夠的，至少需要兩個字節，而且還不能和ASCII碼衝突，所以中國定製了 GB2312編碼，用來把中文編進去。
3，你可以想到全世界有上百種語言，日本把日文編到 shift_JIS 裏，韓國把韓文編到 Euc-kr 裏。
各國都有自己的標準，就會不可避免的出現衝突。結果就是在多語言的混合文本里面，顯示出來會有亂碼。
因此，Unicode 因運而生！Unicode把所有語言都統一到一套編碼裏面，這樣就不會出現亂碼的問題了。
4，捋一捋ASCII碼與Unicode碼的區別。
Unicode最常用的是用兩個字節表示一個字符，特殊情況下特別偏僻的字符，需要4個字節。現在大多數操作系統與編程語言都支持Unicode碼。
ASCII碼編碼是1個字節，而Unicode碼編碼通常是2個字節。
列如：
字符A 用ASCII編碼是十進制的65，二進制的 01000001
字符0 用ASCII編碼是十進制的48，二進制的 00110000，注意字符’0’ 跟整數 0 是不一樣的。
漢子’中’ 已經超出了ASCII碼的範圍，用Unicode編碼 是十進制的 20013，二進制的 01001110 00101101
你可以猜測，如果把ASCII碼的A用Unicode編碼，只需要在前面補0就可以了，因此 A的Unicode碼 是00000000 01000001
這樣新的問題又來了，如果統一成Unicode碼，那麼從此亂碼問題消失了。但是如果你寫的文本基本上都是英文的話，用Unicode編碼比ASCII碼會多出一倍
的儲存空間，那麼在儲存跟文件傳輸的過程中就變得十分不划算了。
所以，本着節約資源的精神，又出現把Unicode碼轉換成“可變長編碼”的 UTF-8 編碼。UTF-8編碼把一個Unicode字符根據不同大小編碼成1-6個字節 ，常用的英文字母被編碼成1個字節，漢字通常是3個字節，只有很生僻的字符纔會用 4-6個字節。如果你要傳輸的文本包含大量的英文字符，用UIF-8 就能節省出很多空間。
| 字符 | ASCII | Unicode | UTF-8 |
|---|---|---|---|
| A | 01000001 | 00000000 01000001 | 01000001 |
| 中 | x | 01001110 00101101 | 11100100 10111000 10101101 |
從上面的表格還可以發現，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上可以被看成是UTF-8編碼的一部分，所以，大量只支持ASCII編碼的歷史遺留軟件可以在UTF-8編碼下繼續工作。
搞清楚了ASCII碼，Unicode碼，和UTF-8的關係，我們就可以總結一下現在計算機系統通用編碼的工作方式：
1，在計算機內存中，統一使用了Unicode編碼，當需要保存硬盤或者需要傳輸數據的時候，就轉換成 UTF-8編碼。
2，用記事本編輯的時候，從文件裏面被讀取的UTF-8字符，被轉換成Unicode字符到內存裏，編輯完成後，保存的時候在把Unicode轉換成UTF-8保存文件。
二，Python字符串
搞清楚了讓人頭痛的字符編碼問題後，一起來研究Python的字符串。
在最新的Python 3版本中，字符是以Unicode編碼的，也就是說Python字符串支持多語言。
對於單個字符的編碼，Python提供了 ord() 函數獲取字符的整數表示， chr() 函數把編碼轉換成對應的字符
>>>ord('A')
65
>>>ord('中')
20013
>>>chr(66)
'B'
>>>chr(25991)
'文'
由於Python中的字符是 str ，在內存中用Unicode表示，一個字符對應若干字節。如果要在網絡上傳輸，或者保存到磁盤上，就需要把str 變成以字節爲單位的 bytes。
Python對 bytes類型的數據用 帶b 前綴的單引號或者雙引號表示：
x = b'ABC'
要注意區分’ABC’ 跟 b’abc’ ，後者雖然內容顯示的跟前者一樣，但bytes的每個字符都佔用一個字節。
一，以Unicode表示的str 通過 encode() 方法可以編碼爲指定的bytes ：
>>> 'ABC'.encode('ascii')
b'ABC'
>>>'中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
二，反過來，從網絡上或者磁盤上讀取了字節流，那麼讀到的數據就是 bytes，要把bytes轉換成 str ，就需要用到decode() 方法：
>>> b'ABC'.decode('ascii')
'ABC'
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'
三，如果bytes中只有一小部分無效的字節，可以傳入errors='ignore’忽略錯誤的字節：
>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')
'中'
四，要計算str 包含多少個字節時 可以用 len() 函數
>>> len('ABC')
3
>>> len('中文')
2
五，len() 函數在計算str 時 表示字符長度，如果是計算bytes 時就計算的字節數.
>>> len(b'ABC')
3
>>> len(b'\xe4\xb8\xad\xe6\x96\x87')
6
>>> len('中文'.encode('utf-8'))
6
可見，1箇中文字符經過UTF-8編碼後通常會佔用3個字節，而1個英文字符只佔用1個字節。
在操作字符串時，我們經常遇到str和bytes的互相轉換。爲了避免亂碼問題，應當始終堅持使用UTF-8編碼對str和bytes進行轉換。
由於Python源代碼也是一個文本文件，所以，當你的源代碼中包含中文的時候，在保存源代碼時，就需要務必指定保存爲UTF-8編碼。 當Python解釋器讀取源代碼時，爲了讓它按UTF-8編碼讀取，我們通常在文件開頭寫上這兩行：
#!/usr/bin/env python3
#-*- coding: utf-8 -*-
第一行註釋是爲了告訴Linux/OS X系統，這是一個Python可執行程序，Windows系統會忽略這個註釋；
第二行註釋是爲了告訴Python解釋器，按照UTF-8編碼讀取源代碼，否則，你在源代碼中寫的中文輸出可能會有亂碼。
申明瞭UTF-8編碼並不意味着你的.py文件就是UTF-8編碼的，必須並且要確保文本編輯器正在使用UTF-8 without BOM編碼：
如果.py文件本身使用UTF-8編碼，並且也申明瞭# -- coding: utf-8 --，打開命令提示符測試就可以正常顯示中文：
三，Python 字符串格式化
最後一個常見的問題是 如何輸出格式化的字符串，我們經常會在log裏面輸出類似 ‘親愛的xxx你好！你xx月的話費是xx，餘額是xx’ 之類的字符串
在Python中，採用的格式化方式和C語言是一致的，用%實現，舉例如下：
>>> 'Hello, %s' % 'world'
'Hello, world'
>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)
'Hi, Michael, you have $1000000.'
常見的佔位符有：
| 佔位符 | 替換內容 |
|---|---|
| %d | 整數 |
| %f | 浮點數 |
| %s | 字符串 |
| %x | 十六進制整數 |
如果你不太確定應該用什麼，%s永遠起作用，它會把任何數據類型轉換爲字符串：
>>> 'Age: %s. Gender: %s' % (25, True)
'Age: 25. Gender: True'
有些時候，字符串裏面的%是一個普通字符怎麼辦？這個時候就需要轉義，用%%來表示一個%：
>>> 'growth rate: %d %%' % 7
'growth rate: 7 %'
format()
另一種格式化字符串的方法是使用字符串的format()方法，它會用傳入的參數依次替換字符串內的佔位符{0}、{1}……，不過這種方式寫起來比%要麻煩得多：
>>> 'Hello, {0}, 成績提升了 {1:.1f}%'.format('小明', 17.125)
'Hello, 小明, 成績提升了 17.1%'