1.1. 问题 Problem
You need to deal with data that doesn't fit in the ASCII character set.
你需要处理不适合用ASCII字符集表示的数据.
1.2. 解决 Solution
Unicode strings can be encoded in plain strings in a variety of ways, according to whichever encoding you choose:
Unicode字符串可以用多种方式编码为普通字符串, 依照你所选择的编码(encoding):
1 #将Unicode转换成普通的Python字符串:"编码(encode)"
2 unicodestring = u"Hello world"
3 utf8string = unicodestring.encode("utf-8")
4 asciistring = unicodestring.encode("ascii")
5 isostring = unicodestring.encode("ISO-8859-1")
6 utf16string = unicodestring.encode("utf-16")
7
8
9 #将普通的Python字符串转换成Unicode: "解码(decode)"
10 plainstring1 = unicode(utf8string, "utf-8")
11 plainstring2 = unicode(asciistring, "ascii")
12 plainstring3 = unicode(isostring, "ISO-8859-1")
13 plainstring4 = unicode(utf16string, "utf-16")
14
15 assert plainstring1==plainstring2==plainstring3==plainstring4
1.3. 讨论 Discussion
If you find yourself dealing with text that contains non-ASCII characters, you have to learn about Unicode梬hat it is, how it works, and how Python uses it.
如果你发现自己正在处理包含非ASCII码字符的文本, 你必须学习Unicode,关于它是什么,如何工作,而且Python如何使用它。
Unicode is a big topic.Luckily, you don't need
to know everything about Unicode to be able to solve real-world
problems with it: a few basic bits of knowledge are enough.First,
you must understand the difference between bytes and characters.In
older, ASCII-centric languages and environments, bytes and
characters are treated as the same thing.Since a byte can hold up
to 256 values, these environments are limited to 256
characters.Unicode, on the other hand, has tens of thousands of
characters.That means that each Unicode character takes more than
one byte, so you need to make the distinction between characters
and bytes.
Unicode是一个大的主题。幸运地,你并不需要知道关于Unicode码的每件事,就能够用它解决真
实世界的问题:
一些基本知识就够了。首先,你得了解在字节和字符之间的不同。原先,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。
Standard Python strings are really byte strings,
and a Python character is really a byte.Other terms for the
standard Python type are "8-bit string" and "plain string.",In this
recipe we will call them byte strings, to remind you of their
byte-orientedness.
标准的Python字符串确实是字节字符串,而且一个Python字符真的是一个字节。换个术语,标准的
Python字符串类型的是 "8位字符串(8-bit string)"和"普通字符串(plain
string)". 在这一份配方中我们把它们称作是字节串(byte strings),
并记住它们是基于字节的。
Conversely, a Python Unicode character is an
abstract object big enough to hold the character, analogous to
Python's long integers.You don't have to worry about the internal
representation;the representation of Unicode characters becomes an
issue only when you are trying to send them to some byte-oriented
function, such as the write method for files or the send method for
network sockets.At that point, you must choose how to represent the
characters as bytes.Converting from Unicode to a byte string is
called encoding the string.Similarly, when you load Unicode strings
from a file, socket, or other byte-oriented object, you need to
decode the strings from bytes to characters.
相反地,一个Python
Unicode码字符是一个大到足够支持(Unicode)字符的一个抽象对象,
类似于Python中的长整数。 你不必要为内在的表示担忧;
只有当你正在尝试把它们传递给给一些基于字节的函数的时候,Unicode字符的表示变成一个议题,
比如文件的write方法或网络套接字的send
方法。那时,你必须要选择该如何表示这些(Unicode)字符为字节。从Unicode码到字节串的转换被叫做编码。同样地,当你从文件,套接字或其他
的基于字节的对象中装入一个Unicode字符串的时候,你需要把字节串解码为(Unicode)字符。
There are many ways of converting Unicode
objects to byte strings, each of which is called an encoding.For a
variety of historical, political, and technical reasons, there is
no one "right" encoding.Every encoding has a case-insensitive name,
and that name is passed to the decode method as a parameter. Here
are a few you should know about:
将Unicode码对象转换成字节串有许多方法,
每个被称为一个编码(encoding)。由于多种历史的,政治上的,和技术上的原因,没有一个
"正确的"编码。每个编码有一个大小写无关的名字,而且那一个名字被作为一个叁数传给解码方法。这里是一些你应该知道的:
- The UTF-8 encoding can handle any Unicode character.It is also
backward compatible with ASCII, so a pure ASCII file can also be
considered a UTF-8 file, and a UTF-8 file that happens to use only
ASCII characters is identical to an ASCII file with the same
characters.This property makes UTF-8 very backward-compatible,
especially with older Unix tools.UTF-8 is far and away the dominant
encoding on Unix.It's primary weakness is that it is fairly
inefficient for Eastern texts. - 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。 - The UTF-16 encoding is favored by Microsoft
operating systems and the Java environment.It is less efficient for
Western languages but more efficient for Eastern ones.A variant of
UTF-16 is sometimes known as UCS-2. - UTF-16
编码在微软的操作系统和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 。 - The ISO-8859 series of encodings are 256-character
ASCII supersets.They cannot support all of the Unicode
characters;they can support only some particular language or family
of languages.ISO-8859-1, also known as Latin-1, covers most Western
European and African languages, but not Arabic.ISO-8859-2, also
known as Latin-2,covers many Eastern European languages such as
Hungarian and Polish. - 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。
If you want to be able to encode all Unicode
characters, you probably want to use UTF-8.You will probably need
to deal with the other encodings only when you are handed data in
those encodings created by some other application.
如果你想要能够编码所有的Unicode码字符,你或许想要使用UTF-8。只有当你需要处理那些由其他应用产生的其它编码的数据时,你或许才需要处理其他编码。
Python——在Unicode和普通字符串之间转换的更多相关文章
-
Python: 在Unicode和普通字符串之间转换
Unicode字符串可以用多种方式编码为普通字符串, 依照你所选择的编码(encoding): <!-- Inject Script Filtered --> Toggle line nu ...
-
Python 16进制与字符串的转换
电脑上装了Python2.7和3.3两个版本,平时运行程序包括在Eclipse里面调试都会使用2.7,但是由于某些原因在cmd命令行中输入python得到的解释器则是3.3, 一直没对此做处理,因为这 ...
-
UNICODE和ANSI字符串的转换(解释了MultiByteToWideChar,WideCharToMultiByte,GetTextCharsetInfo,GetTextCharset,IsDBCSLeadByte,IsDBCSLeadByteEx,IsTextUnicode一共7个函数)
继上集故事<多字符集(ANSI)和UNICODE及字符串处理方式准则 >,我们现在有一些特殊需求: 有时候我们的字符串是多字符型,我们却需要使用宽字符型:有的时候却恰恰相反. Window ...
-
python 在Unicode和普通字符串 str 之间转换
unicodestring = u"Hello world" # 将Unicode转化为普通Python字符串:"encode" utf8string = un ...
-
Ansi、Unicode、UTF8字符串之间的转换和写入文本文件
转载请注明出处http://www.cppblog.com/greatws/archive/2008/08/31/60546.html 最近有人问我关于这个的问题,就此写一篇blog Ansi字符串我 ...
-
python 字典、列表、字符串 之间的转换
1.列表与字符串转换 1)列表转字符串: 将列表中的内容拼接成一个字符串 将列表中的值转成字符串 2)字符串转列表: 用eval转换 将字符串每个字符转成列表中的值 将字符串按分割成列表 2.列表与字 ...
-
【Python】bytes和hex字符串之间的相互转换。
反复在几个环境上折腾码流的拼装解析和可读化打印,总是遇到hex字符串和bytes之间的转换,记录在这里吧. 1. 在Python2.7.x上(更老的环境真心折腾不起),hex字符串和bytes之间的转 ...
-
Python时间,日期,时间戳之间转换,时间转换时间戳,Python时间戳转换时间,Python时间转换时间戳
#1.将字符串的时间转换为时间戳方法: a = "2013-10-10 23:40:00" #将其转换为时间数组 import time timeArray = time.strp ...
-
char*、string、CString各种字符串之间转换
参考博客: http://blog.csdn.net/luoweifu/article/details/20242307 http://blog.csdn.net/luoweifu/article/d ...
随机推荐
-
hibernate cascade=CascadeType.All
因为时间关系,我在这里测试的环境是一对多的关系里面用到的注解方式的级联,网上也有很多贴子,我也看过了,但是呢,我还是自己总结一下吧,这觉得级联是单向的,不是双向的,意思就是说,我们在设置两个类的对象之 ...
-
ie下的onscroll和onresize的优化
ie下的scroll和resize的优化 1.onscroll function scrollEvent(){ //do something... console.log('do something. ...
-
cocos2dx 2.x 版本+Windows+ADT Bundle 配置
昨天解决了cocos2dx 3.x版本+Windows+ADT Bundle的配置,今天来解决cocos2dx 2.x版本的配置. 整体来说,2.x的配置相对麻烦一点,不过一旦解决了,就一路畅通无阻了 ...
-
基于api安全性的解决处理方案
api解决用户安全主要采用两种方案: 一.使用token识别用户信息,作为识别用户的凭证 1.为什么使用token? 常规性的pc站点,使用session存储用户登录状态. 即用户登录之后,服务端会生 ...
-
利用java concurrent 包实现日志写数据库的并发处理
一.概述 在很多系统中,往往需要将各种操作写入数据库(比如客户端发起的操作). 最简单的做法是,封装一个公共的写日志的api,各个操作中调用该api完成自己操作日志的入库.但因为入数据库效率比较低,如 ...
-
方法输出C++输出斐波那契数列的几种方法
PS:今天上午,非常郁闷,有很多简单基础的问题搞得我有些迷茫,哎,代码几天不写就忘.目前又不当COO,还是得用心记代码哦! 定义: 斐波那契数列指的是这样一个数列:0, 1, 1, 2, 3, 5, ...
-
【渗透课程】第三篇-体验http协议的应用
之前我们都了解了,访问网页时,客户端与服务端之间的请求与响应数据交互.本篇就浅谈它的应用. 利用HTTP拦截突破前段验证 比方说,我们在某个网页提交某些数据(例如留言.上传.插入xss等),发生错误( ...
-
(转)Word插入图片显示不全怎么办
https://jingyan.baidu.com/article/e73e26c0c0081c24adb6a73d.html 现在告诉大家解决办法. 方法一: A.单击选中图片,然后在“开始”选项卡 ...
-
【读书笔记】iOS-网络-Web Service协议与风格
协议指的是在与其它系统交换结构化信息时所要遵循的一套格式,过程与规则.此外,协议定义了在传输过程中所要使用的数据格式.这样,接收系统就能正确地解释结构化信息并做出正应的回应. 1,简单对象访问协议. ...
-
xsd文件记录
<MESSAGE Version="1.0"> <CV_HEADER MsgType=" /> <QUERY_PROFILE> < ...