文本文件的编码格式

[TOC]

一、文本文件

• 文本文件存储的内容是基于 字符编码 的文件，常见的编码有 ASCII 编码，UNICODE 编码等

Python 2.x 默认使用 ASCII 编码格式
Python 3.x 默认使用 UTF-8 编码格式

二、ASCII 编码和 UNICODE 编码

2.1 ASCII 编码

• 计算机中只有 256 个 ASCII 字符

• 一个 ASCII 在内存中占用 1 个字节 的空间

  • 8 个 0/1 的排列组合方式一共有 256 种，也就是 2 ** 8

2.2 UTF-8 编码格式

• 计算机中使用 1~6 个字节 来表示一个 UTF-8 字符，涵盖了 地球上几乎所有地区的文字
• 大多数汉字会使用 3 个字节 表示
• UTF-8 是 UNICODE 编码的一种编码格式

三、Python 2.x 中如何使用中文

Python 2.x 默认使用 ASCII 编码格式
Python 3.x 默认使用 UTF-8 编码格式

• 在 Python 2.x 文件的 第一行 增加以下代码，解释器会以 utf-8 编码来处理 python 文件

# *-* coding:utf8 *-*

这方式是官方推荐使用的！

• 也可以使用

# coding=utf8

3.1 unicode 字符串

• 在 Python 2.x 中，即使指定了文件使用 UTF-8 的编码格式，但是在遍历字符串时，仍然会 以字节为单位遍历 字符串
• 要能够 正确的遍历字符串，在定义字符串时，需要 在字符串的引号前，增加一个小写字母 u，告诉解释器这是一个 unicode 字符串（使用 UTF-8 编码格式的字符串）

# *-* coding:utf8 *-*

# 在字符串前，增加一个 `u` 表示这个字符串是一个 utf8 字符串
hello_str = u"你好世界"

print(hello_str)

for c in hello_str:
    print(c)