Python 基礎：認識編碼與字元集

眾所皆知電腦只認得數字的 0 與 1 ，

一般使用的文字都需要經過編碼的動作將其存成數字，

最後再傳給電腦計算處理，

而編碼的規則就是依照字元集來進行，

今天就簡單介紹下

Python 基礎：認識編碼與字元集

首先認識下幾個常見的編碼

ASCII 碼

電腦最小的儲存單位是 bit (位元)，

將一個字元以 8個位元由 0 與 1 組成的數字表示，

就成了所謂的 ASCII 表。

在 Python 中，

使用

chr(x)

來輸出一個 ASCII 或 Unicode 字元。

例如： ASCII 表的 97 代表著英文字母： a

Unicode 碼

ASCII 碼對於英文語系的國家在使用上是不會有多大問題的，

不過地球上有許多不同的語言，

而 ASCII 能容納的字元有限，

為了能讓地球上所有的電腦能夠溝通，

所以有 Unicode碼的設計。

在 Python 中，

使用 

ord(x)

來輸出一個 Unicode 的字元。

utf-8 碼

utf-8 是針對 Unicode字元集的可變長度編碼的方式，

在網際網路上使用特別廣泛，

它使用了 1 ~ 4 個 byte 來表示一個字元。

實際應用

以上就是關於各編碼的字元集的介紹，

在 Python 中，

沒有所謂的字元 ( character ) 資料型態，

即使是一個字元的也稱之為字串 ( string )。

在 Python 內部使用 str 這個資料型態沒有問題，

當今天要與外界交換資料時，

特別是在網際網路上以及使用中文的時候，

常出現亂碼，

這是因為編碼型態不同造成，

所以必須將原有的 str 轉為 bytes 型態來使用。

在字串前面加上一個 b，

b'字串'

表示此字串的 bytes 資料。

字串轉 bytes 資料

將字串轉為 bytes資料稱之為編碼，

使用 encode() 來轉換：

stringA = '李'

stringA_to_Bytes = stringA.encode('字元集')

這字元集，

就是使用 "ascii"、"utf-8"、"unicode" 等等上述的編碼方式

bytes 資料轉字串

相反的，

將 bytes資料轉為字串到 Python 來使用，

則需要以 decode() 來轉換：

stringB = stringA_to_Bytes.decode('字元集')

以同樣的字元集來解碼即可。

同樣的字使用不同的編碼方式會有不同的值，

若在程式設計的過程中出現亂碼，

多為編碼的問題所致。