2. 映射後的數據如何編碼為字節?這個就是具體的編碼規則:目前最主流的是UTF-8,同樣,它也是變字長的。
python3中的str都是unicode的:“The default encoding for Python source code is UTF-8”
python3中的encode:按照encode()括號中的參數對字符串進行編碼,就是生成bytes。
所以:
In:'中文'.encode('utf-8')
Out:b'\xe4\xb8\xad\xe6\x96\x87'
這裏的b就是Byte,\x表示這個x是被轉義的,意思就是0x。又如:
In: 'abc'.encode('utf-8')
Out: b'abc'
上面的b'a'其實表示的是數字97,b'a'的意思就是字符串'a'的binary數字:
[In]:'abc'.encode('utf-8')[0]
[Out]: 97
同時可以把b'\x'進行解碼,即:
In:b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
Out:'中文'
除了encode('utf-8')外,用ord可以獲得單個utf-8字符對應的數字:
In [60]: ord('a')
Out[60]: 97
In [61]: ord('a') #這個是全角的a
Out[61]: 65345
除了decode('utf-8')外,用chr可以獲得數字對應的utf-8字符:
In [62]: chr(97)
Out[62]: 'a'
除了unicode還有別的編碼標準嗎?有啊,比如我國的GBK,別名也叫cp936。
全角和半角之分,是指同樣壹個意義的字符,顯示的大小不同.具體來說,全角和半角的編碼是兩個結果:
In [70]: "mn".encode('utf-8')
Out[70]: b'\xef\xbd\x8d\xef\xbd\x8e
[In]:"mn".encode('utf-8')
[Out]:b'mn'
它們有什麽對應關系呢?(引自這裏)
轉換說明
全角半角轉換說明
有規律(不含空格):
全角字符unicode編碼從65281~65374 (十六進制 0xFF01 ~ 0xFF5E)
半角字符unicode編碼從33~126 (十六進制 0x21~ 0x7E)
特例:
空格比較特殊,全角為 12288(0x3000),半角為 32(0x20)
除空格外,全角/半角按unicode編碼排序在順序上是對應的(半角 + 0x7e= 全角),所以可以直接通過用+-法來處理非空格數據,對空格單獨處理。
代碼在此基礎上改動壹下(將unichr改為chr即可,適應python3),即:
def strQ2B(ustring):
"""全角轉半角"""
rstring = ""
for uchar in ustring:
inside_code=ord(uchar)
if inside_code == 12288: #全角空格直接轉換
inside_code = 32
elif (inside_code >= 65281 and inside_code <= 65374): #全角字符(除空格)根據關系轉化
inside_code -= 65248
rstring += chr(inside_code)
return rstring
In [69]: strQ2B('妳好python')
Out[69]: '妳好python'