python中文本文件的編碼格式

• 文本文件存儲的內容是基於 字符編碼 的文件，常見的編碼有 ASCII 編碼，UNICODE 編碼等

Python 2.x 默認使用 ASCII 編碼格式
Python 3.x 默認使用 UTF-8 編碼格式

 ASCII 編碼和 UNICODE 編碼

ASCII 編碼

• 計算機中只有 256 個 ASCII 字符
• 一個 ASCII 在內存中占用 1 個字節 的空間
  • 8 個 0/1 的排列組合方式一共有 256 種，也就是 2 ** 8

UTF-8 編碼格式

• 計算機中使用 1~6 個字節 來表示一個 UTF-8 字符，涵蓋了 地球上幾乎所有地區的文字
• 大多數漢字會使用 3 個字節 表示
• UTF-8 是 UNICODE 編碼的一種編碼格式

 Ptyhon 2.x 中如何使用中文

Python 2.x 默認使用 ASCII 編碼格式
Python 3.x 默認使用 UTF-8 編碼格式

• 在 Python 2.x 文件的 第一行 增加以下代碼，解釋器會以 utf-8 編碼來處理 python 文件

# *-* coding:utf8 *-* 

這方式是官方推薦使用的！

• 也可以使用

# coding=utf8 

unicode 字符串

• 在 Python 2.x 中，即使指定了文件使用 UTF-8 的編碼格式，但是在遍歷字符串時，仍然會 以字節為單位遍歷 字符串
• 要能夠 正確的遍歷字符串，在定義字符串時，需要 在字符串的引號前，增加一個小寫字母 u，告訴解釋器這是一個 unicode 字符串（使用 UTF-8 編碼格式的字符串）

# *-* coding:utf8 *-* # 在字符串前，增加一個 `u` 表示這個字符串是一個 utf8 字符串 hello_str = u"你好世界" print(hello_str) for c in hello_str: print(c)