7.1.1.2 UTF-8-Codierung und -Decodierung

Gut für den Datenaustausch mit der Außenwelt. Die folgenden zwei Mittel sind erforderlich.

Bedeutet, eine Zeichenfolge in eine Byte-Zeichenfolge zu codieren
Mittel zum Dekodieren von Byte-Strings in Strings
Die dynamische Codierungsmethode UTF-8 ist die Standardcodierung für Python, Linux und HTML.
Wenn Sie eine andere Quelle von einer Webseite usw. kopieren und einfügen, um eine Python-Zeichenfolge zu erstellen, müssen Sie sicherstellen, dass die Quelle im UTF-8-Format codiert ist. (Eine Ausnahme tritt auf.)

7.1.1.3 Codierung

Der Absender von Informationen wandelt den Inhalt der zu übermittelnden Nachricht in die Form eines Symbols um, das den Empfänger erreicht.
Codieren Sie die Zeichenfolge in Bytes.
** UTF-8 ** ist eine ** 8-Bit-Codierung mit variabler Länge **.


#String codieren()Das erste Argument der Funktion ist der Codierungsname.
#Unicode-Zeichenfolge"\u2603"Ersatz
>>> snowman="\u2603"
>>> len(snowman)
1

#Codieren Sie dieses Unicode-Zeichen in eine Bytefolge.
>>> ds=snowman.encode("utf-8")
>>> len(ds)
3
>>> ds
b'\xe2\x98\x83'

** Der obige Schneemann wird in der Python-Welt als \ u2603 ausgedrückt, aber wenn Sie ihn in utf-8 konvertieren, ist dies die Standardsprache in der Außenwelt Es wird b '\ xe2 \ x98 \ x83'. ** ** **


#Ein Fehler tritt auf, es sei denn, das Unicode-Zeichen ist auch ein gültiges ASCII-Zeichen.
>>> ds=snowman.encode("ascii")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can not encode character '\u2603' in position 0: ordinal not in range(128)

#encode()Die Funktion hat ein zweites Argument, um die Wahrscheinlichkeit einer Codierungsausnahme zu verringern. Der Standardwert funktioniert wie zuvor"strict"Wenn also ein anderes Zeichen als ASCII verwendet wird, tritt UnicodeEncodeError auf.

#Verwerfen Sie nicht codierte Elemente, indem Sie Ignorieren angeben
>>> snowman.encode("ascii","ignore")
b``
#Zeichen, die nicht durch Ersetzen codiert werden können?Ersetzen mit
>>> snowman.encode("ascii","replace")
b`?`
#unicode-Generieren Sie eine Python-Unicode-Zeichenfolge im Escape-Format.
>>> snowman.encode("ascii","backslashreplace")
b`\\u2603`
#Generieren Sie eine Zeichenfolge von Entitäten, die auf Webseiten verwendet werden können.
>>> snowman.encode("ascii","xmlcharrefreplace")
b`&#9731;`

7.1.1.4 Dekodierung

Dies bezieht sich auf den Prozess, bei dem die empfangende Seite die Bedeutung der von der sendenden Seite der Informationen erzeugten Symbole interpretiert. --Decodieren Sie die Byte-Zeichenfolge in eine Unicode-Zeichenfolge.
** Extrahieren Sie Text aus einer externen Quelle (Datei, Website, Netzwerk-API usw.) und konvertieren Sie ihn in der Python-Welt in Unicode. ** Der Text wird als Byte-Zeichenfolge codiert.

#Wert`café`Erstellen Sie eine Unicode-Zeichenfolge für
>>> place = "caf\u00e9"
>>> place
`café`
>>> type(place)
<class `str`>
#UTF-In 8 Formaten codieren und platzieren_Weisen Sie der Byte-Variablen zu.
>>> place_bytes=place.encode("utf-8")
#place_Beachten Sie, dass Bytes 5 Bytes sind
#Die ersten 3 Bytes entsprechen ASCII(UTF-8 Vorteile)Jedes Zeichen wird mit 1 Byte codiert, und das letzte é wird mit 2 Bytes codiert.
>>> place_bytes
b`caf\xc3\xa9`
>>> type(place_bytes)
<class `bytes`>

>>> place2=place_bytes.decode("utf-8")
>>> place2
`café`
#Der ASCII-Decoder gibt einen Fehler zurück, da der Bytewert 0xc3 in ASCII ungültig ist.
>>> place3=place_bytes.decode("ascii")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: `ascii` codec can`t decode byte 0xc3 in position 3: ordinal not in range(128)

#UTF so viel wie möglich-Es ist vorzuziehen, 8 Codierungen zu verwenden.
>>> place4=place_bytes.decode("latin-1")
>>> place4
`cafÃ©`
>>> place5=place_bytes.decode("windows-1252")
>>> place5
`cafÃ©`

Kaffeepause "Über Zahlen und Buchstaben"

Der Computer führt Berechnungen und Beurteilungen in Binärform durch.
** Bit ** ist eine Ziffer der Binärzahl.
** Hexagon ** ist eine Zählmethode, die 4 Binärziffern mit 1 Ziffer von "0 bis F" ausdrückt, um dem Menschen das Verständnis zu erleichtern.
** Bytes ** ist eine Einheit aus 2 hexadezimalen Ziffern (8 Bits = 0 bis 255 dezimal).
** Was ist binär **? Die tatsächlich auf dem Display angezeigten Zeichen werden angezeigt, indem der Zeichencode vom Betriebssystem des PCs in ein Zeichenbild umgewandelt wird.
Bilddateien werden normalerweise im Format "GIF" oder "JPG" komprimiert.

Beispiel: Inhalt der JPG-Datei (Bytezeichen)

FFD8FFE0 00104A46 49460001 0101004B 004B0000 FFFE0094 56542D43 6F6D7072 65737320 28746D29 2058696E 67205465 63686E6F 6C6F6779 20436F72 702E0000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 00000000 0000FFDB 00840010 0B0C0E0C 0A100E0D 0E121110 131828

Impressionen

Als ich Kapitel 7 ausprobierte, wurde es zu einer Geschichte von Daten, und Binärzahlen, Hexadezimalzahlen, Verschränkungen mit Bytes usw. kamen sofort heraus. Ich habe als Student studiert, aber ich habe es vergessen, deshalb werde ich es in diesem Kapitel nach und nach wiederholen.

Verweise

"Einführung in Python3 von Bill Lubanovic (veröffentlicht von O'Reilly Japan)"

Referenz-URL http://zaq.g1.xrea.com/2sinsuu5.htm https://docs.python.org/ja/3/howto/unicode.html