字符(串)转换ASCII码

2023-03-27 23:34| 来源: 网络整理| 查看: 265

鲁迅曾经说

没有被编码格式困扰过的程序员

注定留有遗憾

常言道

常在路上跑

哪能不摔倒

摔倒快起身

躺着睡更好

书归正传

躺归躺

闹归闹

决不能拿写代码开玩笑

毕竟我代码很大健壮

你忍一下

一、ASCII码

首先熟悉下，什么叫ASCII码？想要直接看代码的小伙伴直接跳过，看第三部分。

ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统。ASCII第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年，到目前为止共定义了128个字符。

二、中文编码

ASCII码表示西文字符是用7位的ASCII码，为了在计算机中存储，最高位（第八位）默认为0，所以可以表示2的7次方个不同的字符；扩展的ASCII码，使用的第八位，不在默认为0，所以最多可以表示2的8次方个字符。

中文却不大一样。中文的一个汉字占16位，也就是两个字节的位置。编码方式跟ASCII码类似，但是为了与ASCII码区别开来，最高位默认为1。这里需要注意的一点是，部分编码格式，中文占三个字节。因此，如果含有中文，编码格式错误经常会导致乱码的发生。

国标码是用于计算机之间或与终端之间信息交换时的汉字代码（GB2312，GBK，GB18030），由连续的两个字节组成，每个字节七位有效，最高位为1。

正常汉字的显示处理也非常复杂：

三、编码转换

字符转换。字符的转换很简单，一般借助ord方法可以直接转换，转换的结果就是对应的ASCII码。中文的编码格式为Unicode，和UTF、GBK等一样，他也是一种编码方式。

接下来的代码以Python为例。

字符串转换。字符串的转换，就相对复杂一些。在Python3下，内存中默认编码方式为Unicode。Unicode编码类似于世界上的英语，是一种通用的编码方式，他可以表示所有的字符。

所以，如果全世界都是用Unicode编码的话，从此将不再有乱码问题。但是计算机中最重要的两种资源：时间和空间。全部使用Unicode编码，带来的空间消耗是ASCII编码的两倍。

本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间。

Python3中的字符串，是unicode，只能encode，所以无论如何打印都不会乱码，因为可以理解为从内存打印到内存，即内存->内存，unicode->unicode

str是unicode，当程序执行时，无需加u，str也会被以unicode形式保存新的内存空间中,str可以直接encode成任意编码格式，s.encode('utf-8')，s.encode('gbk')

所以，当使用不同编码方式去编码字符串的时候，可以看到不同编码方式转换的结果：

# -*- encoding:utf8 -*- import string str_test="西安" print(str_test) str_gbk = str_test.encode('gbk') print(str_gbk) str_utf8 = str_test.encode('utf8') print(str_utf8)

编码格式互转：

# -*- encoding:utf8 -*- import string str_test="西安" print(str_test) str_gbk = str_test.encode('gbk') print(str_gbk) str_utf8 = str_test.encode('utf8') print(str_utf8) str_gbk = str_test.encode('gbk') print(str_gbk.decode('gbk')) str_utf8 = str_test.encode('utf8') print(str_utf8.decode('utf8'))

写在最后，欢迎大家关注我的个人公众号【头发头发等等我】

建了个微信群，除了打广告，什么都可以聊

【本文地址】

公司简介

联系我们