关于字符串

1、字符、字符集

1）字符(Character)是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。字符集(Character set)是多个字符的集合

2）字符集包括：ASCII字符集、GB2312字符集、GB18030字符集、Unicode字符集等

3）ASCII编码是1个字节，而Unicode编码通常是2个字节。

4）UTF-8是Unicode的实现方式之一，UTF-8是它是一种变长的编码方式，可以是1，2，3个字节

2、python3中的字符串

python3中两种字符串类型：

• str : unicode的呈现形式
• bytes :字节类型，互联网上数据的都是以二进制的方式(字节类型)传输的

使用方法:

• str 使用encode方法转化为 bytes
• bytes 通过decode转化为 str

编码方式解码方式必须一样，否则就会出现乱码

注意：字符串的类型与编码方式是两回事，不要混为一谈！不要去瞎扯皮！！！

3、python2中字节类型和unicode类型的转化（详见爬虫部分字符串解析）

python2中字符串有两种类型

• unicode类型
• 字节类型

在Python2中，字符串无法完全地支持国际字符集和Unicode编码。为了解决这种限制，Python2对Unicode数据使用了单独的字符串类型。要输入Unicode字符串字面量，要在第一个引号前加上'u'。

Python2中普通字符串实际上就是已经编码(非Unicode)的字节字符串。

python2中字节类型和unicode类型的转化

• 字节类型通过decode转化为unicode类型
• unciode类型通过encode方法转化为字节类型
• 方法的使用和python3相同，但是在方法中默认的编解码方式为ascii，对中文需要手动指定为utf-8

4、对比