Python程序设计-清华大学出版社-董付国第4章字符串与正则表达式.pptVIP

第4章 字符串与正则表达式 最早的字符串编码是美因标准信息交换码ASCII，仅对10个数字、26个大写字英文字母、26个小写字英文字母及一些其它符号进行了编码。ASCII采用8位即1个字节，因此最多只能对256个字符进行编码。 随着信息技术的发展，各国的文字都需要进行编码，常见的编码有UTF-8，GB2312，GBK，CP936。 采用不同的编码意味着把同一字符存入文件时，写入的内容可能不同。 UTF-8编码是国际通用的编码，以8位，即1字节表示英语(兼容ASCII)，以24位即3字节表示中文及其它语言，UTF-8对全世界所有国家需要用到的字符进行了编码。 GB2312是中国制定的中文编码，使用1个字节表示英语，2个字节表示中文； GBK是GB2312的扩充； CP936是微软在GBK基础上完成的编码； GB2312、GBK和CP936都是使用2个字节表示中文，UTF-8使用3个字节表示中文； Unicode是编码转换的基础。 在Windows平台上，input()函数从键盘输入的字符串默认为GBK编码，而Python程序的字符串编码使用#coding指定，如 #coding=utf-8 #coding:GBK #-*-coding:utf-8 -*- Python 2.7.8环境： s1=中国 s1 \xd6\xd0\xb9\xfa len(s1) 4 s2=s1.dec