Python字符串转换成Unicode--比较好用的方法

将Python字符串转换成Unicode

先用type函数确定一下是什么编码的

str编码是"utf-8"

另外，

将Unicode转换为其他编码

Python的默认编码是ASCII格式：

ASCII(American Standard Code for Information Interchange)，是一种单字节的编码。计算机世界里一开始只有英文，而单字节可以表示256个不同的字符，可以表示所有的英文字符和许多的控制符号；

源代码文件中，如果有用到非ASCII字符，则需要在文件头部进行字符编码的声明，如下：#-- coding: UTF-8 --

实际上Python只检查#、coding和编码字符串，其他的字符都是为了美观加上的。另外，Python中可用的字符编码有很多，并且还有许多别名，还不区分大小写，比如UTF-8可以写成u8。

什么是垃圾：当一个值身上没有人绑定任何变量名（该值的引用计数=0）时，该值就是一个垃圾，会将该值内存空间释放掉。

引用计数增加

age=18 //18的引用计数等于1

x=age //18的引用计数等于2

引用计数减少

age=19 //18的引用计数等于1

del x //解除值与变量名的绑定关系；18的引用计数变为0

1、 为何数据要分不同的类型？

数据是用来表示状态的，不同的状态就应该用不同的类型的数据去表示

2、数据类型

数字（整形，长整形，浮点型，复数）

字符串

字节串：在介绍字符编码时介绍字节bytes类型

列表

元组

字典

集合

3、按照以下几个点展开数据类型的学习

==========================基本使用============================

1、用途

2、定义方式

3、常用 *** 作+内置的方法

==========================该类型总结==========================

存一个值or存多个值

有序or无序

可变or不可变（1、可变：值变，id不变。可变==不可hash 2、不可变：值变，id就变。不可变==可hash）

1、整型int

作用：年纪，等级，身份z号，qq号等整型数字相关

定义：age=10 #本质age=int(10)

2、浮点型float

作用：薪资，身高，体重，体质参数等浮点数相关

salary=30003 #本质salary=float(30003)

类型转换

a=('123') //字符串类型

a=int('123') //字符串转成整型类型

a=float('123') //字符串转成浮点型

作用：记录多个值

定义方式：在[ ]内用逗号分隔开多个任意类型的值；原材料可以是字符串，列表，字典;可变类型

1、按索引存取值(正向存取+反向存取)；可存也可以修改；对于赋值 *** 作必须是已存在的索引

l=['a','b','c','d','e']

print(l[0]) =a

print(l[-1]) =e

l[0]='A' //修改列表

print(l) =['A','b','c','d','e']

2、切片(顾头不顾尾，步长)，步长与字符串一样；原列表不会修改

print(l[1:4]) =['b','c','d']

3、长度

print(len(l)) =5

4、成员运算in和not in

print('a' in l) =True

print('sss' not in l) =True

5、追加&插入

lappend(333) //append最后追加

print(l) =['a','b','c','d','e','333']

linsert(0,111) //第一个位置添加值

print(l) =['111','a','b','c','d','e']

6、删除remove ，有返回值；del也可删，但是没有返回值；pop 剪切一个值，返回剪切的值

lremove('a') //()内为值，不能为索引

print(l) =['b','c','d','e']

del l[0] //[ ] 内为索引

lpop(0) // () 内为索引，不指定索引默认时-1

res=lpop(0)

print(res) =a

7、循环

for item in l

print(item)

1、count 统计次数

print(lcount('a')) =1

2、extend 一次性往列表末尾追加多个值，一个参数：可以被 for 循环的列表

item=[1,2,3,4,5]

lextend(item)

print(l) =['a','b','c','d','e',1,2,3,4,5]

3、index 找索引，以找到的第一个值为准，不存在的值会报错,可以用成员运算判断查找的值是否存在，以避免报错；列表没有find

print(lindex('a')) =0

print(lindex('c',2,5)) =2 //指定查找范围，第二个开始，第五个结束

4、sort 排序，默认从小到大排序

l=[4,6,2,9,10,3,1]

lsort()

print(l) =[1, 2, 3, 4, 6, 9, 10]

lsort(reverse=True) //从大到小排序

print(l) =[10, 9, 6, 4, 3, 2, 1]

作用：就是一个不可变的列表（是可以当做字典的key的），主要是用来读

定义：在()内用逗号分隔开多个任意类型的元素

t=(1,2,3,('a','b'),['q','w','e'])

本质age=tuple(t=(1,2,3,('a','b'),['q','w','e']))

如果元组只有一个值，必须加一个逗号

t=('a',)

元组总结

1、存多个值

2、有序

3、不可变

1、按索引取值(正向取+反向取)：只能取，不能添加、减少、修改

t=(1,2,3,('a','b'),['q','w','e'])

print(t[0]) =1

print(t[-1]) =['q','w','e']

2、切片(顾头不顾尾，步长),步长与字符串一致

print(t[1:4]) =(2, 3, ('a', 'b'))

3、长度

print(len(t)) =5

4、成员运算in和not in

print(1 in t) =True

5、循环

for item in t:

print(item)

t=(1,2,3,('a','b'),3,['q','w','e'])

作用：记录多个值，key对应值，key对value有描述性功能；取值速度快

定义：在{ } 内用逗号隔开多个元素，每个元素都是key:value的形式；key必须是不可变类型，value可以是任意类型

info={'name':'egon','age':18,'sex':'male'}

本质

info=dict(name='egon',age=18,sex='male')

或

info=dict([['name','egon'],('age',18)])

或

{}fromkeys(('name','age','sex'),None)

总结

1、存多个值

2、无序

3、可变

1、将值导入字典

2、按key存取值：可存可取

dic={'name': 'egon', 'age': '18', 'gender': 'male'}

print(dic['name']) =egon //当key不存在时会报错

print(dicget('name')) =egon

print(dicget('xxx')) =None //当key不存在时会返回一个None

dic['name']='Egon' //修改value

dic['hight']=18 //如果key不存在，就是一个加值的 *** 作

print(dic) ={'name': 'egon', 'age': '18', 'gender': 'male', 'hight': 18}

3、长度len，统计key:value的个数; 不能有重复的key，后面的key会覆盖前面的key

print(len(dic)) =3

4、成员运算in和not in，以字典的key为准

print('name' in dic) =True

print('dasda' not in dic) =True

5、删除

第一种：del dic['name']

第二种：res=dicpop('name') //根据key删除，有返回值，返回值为key对应的value值

第三种：res=dicpopitem() //随机删，返回值是(key：value)，返回值格式是元组

6、键keys()，值values()，键值对items()

print(dickeys()) =dict_keys(['name', 'age', 'gender']) //取索引

print(dicvalues()) =dict_values(['egon', '18', 'male']) //取值

print(dicitems()) =dict_items([('name', 'egon'), ('age', '18'), ('gender', 'male')]) //取键值对

7、循环

for item in dic:

print(item) //输出的是key

for item in dicvalues():

print(item) //输出的是值

for item in dicitems():

print(ietm) //输出的是 (key:value) 的元组

1、update 新字典中已经存在的以新的为准，不存在的增加

dic={'name': 'egon', 'age': '18', 'gender': 'male'}

dicupdate({'age':19,'hight':180})

print(dic) ={'name': 'egon', 'age': 19, 'gender': 'male', 'hight': 180}

2、setdefault 加入一个键值对，如果key已存在，则保留字典里的原值，如果key不存在，则加入键值对；返回字典里key对应的value值

作用：关系运算，去重

定义方式：在{ }内用逗号分隔开多个元素，但是元素的特点是

1、每个元素必须是不可变类型(可hash，可作为字典的key)

2、没有重复的元素

3、无序

注意：集合的目的是将不同的值存放到一起，不同的集合间用来做关系运算，无需纠结于集合中单个值

类型转换

res=set('hello') //字符串转集合

rds=set([1,'a','b']) //列表转集合

print(res) ={'h', 'l', 'e', 'o'} //去重

print(rds) ={1, 'a', 'b'}

总结：

1、有多个值

2、无序

3、可变

pythons={'alex','egon','yuanhao','wupeiqi','gangdan','biubiu'}

linuxs={'wupeiqi','oldboy','gangdan'}

1、长度len

2、成员运算in和not in

3、合集

print(pythons | linuxs)

4、&交集

print(pythons & linuxs)

5、两个集合差集，以第一个集合为准

print(pythons - linuxs) //求只报名python的学生

print(linuxs - pythons) //求只报名linux的学生

6、对称差集；求没有报名两门课程的学生

第一种：res=(pythons - linuxs) | (linuxs - pythons)

第二种：res=pythons ^ linuxs

print(res)

7、== ，集合值相等即可，无需顺序一致

s1={1,2,3}

s2={3,2,1}

print(s1 == s2) =True

8、父集：>,>= ；子集：<,<=

s1={1,2,3}

s2={3,2,1,4,6}

print(s2 >= s1) =True

print(s1 <= s2) =True

介绍：计算机系统分为：计算机硬件， *** 作系统，应用程序三部分。

1、什么是文件？

文件是 *** 作系统为应用程序或者用户提供一种 *** 作硬盘的虚拟单位。

window系统默认为GBK编码

2、为什么要用文件？

文件对应的硬盘空间，如果需要考虑永久保存数据那必须使用文件

3、如何用文件？

（1）打开文件

f=open(r'D:\untitled1\atxt',mode='r',encoding='utf-8')

第一个小r，表示原生的字符串，\没有转义的意思，防止\a、\n转义

第二个小r，以读的模式打开，rb以二进制格式读，rt会把文本文件二进制解码成unicode格式存到内存，针对文本文件用rt模式；w为写 *** 作；

赋值给一个变量，变量指定该文件对象，文件对象占的是应用程序的资源

（2）读/写文件

（3）关闭文件

fclose() //向 *** 作系统发送指令，让 *** 作系统关闭打开的文件，回收 *** 作系统资源

1、控制文件读写 *** 作模式

r 只读模式，以该模式打开文件，当文件不存在时报错；

w 只写模式，如果该文件存在则覆盖，如果该文件不存在，创建新文件写入；文件打开不关闭的情况下，连续写入自动追加；

a 追加，如果该文件存在则文件结尾追加内容，如果该文件不存在，创建新文件写入；

w+ 读写，如果该文件存在则覆盖，如果该文件不存在，创建新文件写入

2、控制文件读写内容的模式（不能单独使用，必须与r、w、a连用）

t （默认） 读写只能是文本文件，都是字符串类型,会自动解码文本文件；必须指定encoding参数

b 对于非文本文件，我们只能使用b模式，linux可忽略；"b"表示以字节的方式 *** 作；以b方式打开时，读取到的内容是byte字节类型，写入时也需要提供字节类型，不能指定编码

为了避免打开文件后忘记关闭，可以通过管理上下文，即：

with open('log','r') as f:

3、文件的修改

fseek(3,0) //3指移动的字节数，0是模式

1、三种模式，以字节为单位；只有0模式既可以在t模式下用也可以在b模式下用，而1、2两种模式只能在b模式下用

0 （默认模式）：永远参照文件开头往后数

1：参照指针当前所在位置

2：参照文件末尾，倒着数

注意：t 模式下的read(n) 是以字符为单位；意思为从哪个字符开始读

python 3和2很大区别就是python本身改为默认用unicode编码。

字符串不再区分"abc"和u"abc", 字符串"abc"默认就是unicode，不再代表本地编码、

由于有这种内部编码，像c#和java类似，再没有必要在语言环境内做类似设置编码，比如“syssetdefaultencoding”;

也因此也python 3的代码和包管理上打破了和2x的兼容。2x的扩展包要适应这种情况改写。

另一个问题是语言环境内只有unicode怎么输出gbk之类的本地编码。

答按惯例都在(序列化)输出时才转换成本地编码。

比如

1

filewrite("GBK的中文"encode("GBK"))

python环境内字符串用strencode("GBK")方法输出成字节串用于和其他环境交流。

这个要看你在哪里显示，并且要知道你原来的是什么编码。一般用decode解码成unicode，然后用encode编码成你的显示支持的。sdecode('utf-8')encode('gb2312') 就是把s从utf-8解码成unicode的，然后再编码成gb2312的。

一般保证utf-8编码，在文件开头放上标记。然后就可以直接写中文了，注意这时候是utf-8的，如果加u就是unicode的。然后你按照直接存取估计就是你这种了。当然如果是命令行，就更简单了。

>>> x=u"汇总"

>>> x

u'\u6c47\u603b'

>>>

Unicode字符串可以用多种方式编码为普通字符串，假设unicodestring = u"Hello world"，依照所选择的编码(encoding)，如下：

1、#将Unicode转换成普通的Python字符串:"编码(encode)"。

2、 #将普通的Python字符串转换成Unicode: "解码(decode)"。

扩展资料：

Python转换字符和字符串的原因：为了处理不适合用ASCII字符集表示的数据。

在以ASCII码为中心的语言和环境中，字节和字符被当做相同的事物。由于一个字节只能有256个值，这些环境就受限为只支持256个字符Unicode码，另一方面，有数万个字符，那意谓着每个Unicode字符占用多个字节，因此，你需要在字符和字节之间作出区别。

（1）UTF-8编码能处理任何的Unicode字符。它也是与ASCII码向后兼容的，因此一个纯粹的ASCII码文件也能被考虑为一个UTF-8文件，而且一个碰巧只使用ASCII码字符的 UTF-8文件和拥有同样字符的ASCII码文件是相同的。

这个特性使得UTF-8的向后兼容性非常好,尤其使用较旧的Unix工具时。UTF-8 无疑地是在 Unix上的占优势的编码。它主要的弱点是对东方文字是非常低效的。

（2）UTF-16编码在微软的 *** 作系统和Java环境下受到偏爱。它对西方语言是比较低效,但对于东方语言是更有效率的。一个UTF-16 的变体有时叫作UCS-2 。

（3）ISO-8859编码系列是256个字符的ASCII码的超集。他们不能够支援所有的Unicode码字符;他们只能支援一些特别的语言或语言家族。

ISO-8859-1,也既Latin-1,包括大多数的西欧和非洲语言,但是不含阿拉伯语。ISO-8859-2,也既Latin-2,包括许多东欧的语言,像是匈牙利语和波兰语。

参考资料：

百度百科--Unicode

要获取Python字符串的长度，可以使用内置函数`len()`。例如：

my_string = "Hello, world!"

print(len(my_string))

结果将是：

13

这说明字符串"Hello, world!"有13个字符（包括空格和标点符号）。

以上就是关于Python字符串转换成Unicode--比较好用的方法全部的内容，包括:Python字符串转换成Unicode--比较好用的方法、python默认的字符编码是什么、Python-lesson 2 数据类型、字符编码、文件处理等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！