python构建字典查⼤写英⽂字母ascii编码_各种编码(ASCII
码、Unicode编。。。
unicode码和ascii码区别如果您清楚下⾯⼏个问题请跳过
1. ASCII码与对应编码的数字之间的转换
2.unicode码与对应汉字之间的转换
3.UTF-8编码与对应汉字之间的转换
4.Unicode与UTF-8之间的转换
5.URL编码与解码
6.Base64编码编码与解码
7.HTML编码与解码
---------------------------------------------------------------------------------------------------------------
1. ASCII码
ASCII码⼀共规定了128个字符的编码,⽐如空格“SPACE”是32(⼆进制00100000),⼤写的字母A是65(⼆进制01000001)。这128个符号(包括32个不能打印出来的控制符号),只占⽤了⼀个字节的后⾯7位,最前⾯的1位统⼀规定为0。
在Linux下,直接#man ascii,返回类似
Oct Dec Hex Char Oct Dec Hex Char ------------------------------------------------------------------------------
000 0 00 NUL '\0' 100 64 40 @
001 1 01 SOH (start of heading) 101 65 41 A
......
可以看到⼤写的字母A是65(10进制)
python下,根据字符求对应数字编码,使⽤ord⽅法
>>> ord('A')
65
根据数字编码求对应字符,使⽤chr⽅法:
>>> chr(65)
'A'
2.Unicode
有⼀种编码,将世界上所有的符号都纳⼊其中。每⼀个符号都给予⼀个独⼀⽆⼆的编码,那么乱码问题就会消失。这就是Unicode,就像它的名字都表⽰的,这是⼀种所有符号的编码。
Unicode当然是⼀个很⼤的集合,现在的规模可以容纳100多万个符号。每个符号的编码都不⼀样,⽐如,U+0639表⽰阿拉伯字母
Ain,U+0041表⽰英语的⼤写字母A,U+4E25表⽰汉字“严”。具体的符号对应表,可以查询,或者专门的汉字对应表。
Python下:
根据汉字求unicode码:
>>> print ('严'.encode('unicode-escape'))
b'\\u4e25'
根据unicode码求汉字:
>>> print('\u4e25')
严
3.UTF-8
UTF-8是Unicode的实现⽅式之⼀。
UTF-8最⼤的⼀个特点,就是它是⼀种变长的编码⽅式。它可以使⽤1~4个字节表⽰⼀个符号,根据不同的符号⽽变化字节长度。
UTF-8的编码规则很简单,只有⼆条:
1)对于单字节的符号,字节的第⼀位设为0,后⾯7位为这个符号的unicode码。因此对于英语字母,UTF-8编码和ASCII码是相同的。
2)对于n字节的符号(n>1),第⼀个字节的前n位都设为1,第n+1位设为0,后⾯字节的前两位⼀律设为10。剩下的没有提及的⼆进制位,全部为这个符号的unicode码。
下表总结了编码规则,字母x表⽰可⽤编码的位。
Unicode符号范围 | UTF-8编码⽅式
(⼗六进制) | (⼆进制)
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
下⾯,还是以汉字“严”为例,演⽰如何实现UTF-8编码。
已知“严”的unicode是4E25(100111000100101),根据上表,可以发现4E25处在第三⾏的范围内(0000 0800-0000 FFFF),因此“严”的UTF-8编码需要三个字节,即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后,从“严”的最后⼀个⼆进制位开始,依次从后向前填⼊格式中的x,多出的位补0。这样就得到了,“严”的UTF-8编码是“11100100 10111000 10100101”,转换成⼗六进制就是E4B8A5。
Python下:
>>> print ('严'.encode('utf-8'))
b'\xe4\xb8\xa5'
4. Unicode与UTF-8之间的转换
通过上⼀节的例⼦,可以看到“严”的Unicode码是4E25,UTF-8编码是E4B8A5,两者是不⼀样的。它们之间的转换可以通过程序实现。
在Windows平台下,有⼀个最简单的转化⽅法,就是使⽤内置的记事本⼩程序。打开⽂件后,点击“⽂件”菜单中的“另存为”命令,会跳出⼀个对话框,在最底部有⼀个“编码”的下拉条。
⾥⾯有四个选项:ANSI,Unicode,Unicode big endian 和 UTF-8。
1)ANSI是默认的编码⽅式。对于英⽂⽂件是ASCII编码,对于简体中⽂⽂件是GB2312编码(只针对Windows简体中⽂版,如果是繁体中⽂版会采⽤Big5码)。
2)Unicode编码指的是UCS-2编码⽅式,即直接⽤两个字节存⼊字符的Unicode码。这个选项⽤的little endian格式。
3)Unicode big endian编码与上⼀个选项相对应。我在下⼀节会解释little endian和big endian的涵义。
4)UTF-8编码,也就是上⼀节谈到的编码⽅法。
选择完”编码⽅式“后,点击”保存“按钮,⽂件的编码⽅式就⽴刻转换好了。(待续)
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。
发表评论