Python编码和字符串

字符编码

字符串也是一种数据类型，但是，字符串比较特殊的是还有一个编码问题。因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。
我们知道最初是有一个ASCII码的，还有中国的GB****什么的，各国的编码各种为政，在多种语言同时存在的时候会出现乱码的问题。然后就出现了Unicode，Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。
Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。
如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。
本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。
UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。
在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。
浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器。
所以很多网页的源码上会有类似的信息，表示该网页正是用的UTF-8编码。

Python的字符串

再最新的Python3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言。
对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符。
由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。
a = b'ABCD'
虽然'ABC'和b'ABC'显示的内容都是一样的，前者是str，后者是bytes的每个字符只占一个字节。
由于Python源代码也是一个文本文件，所以，当源代码中包含英文的时候，再保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码的时候，为了让它按照UTF-8编码读取，我们通常在文件的开头写上这两行：

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

第一行注释是为了告诉Linux/OS X系统，这是一个Python可执行程序，Windows系统会忽略这个注释；
第二行注释是为了告诉Python解释器，按照UTF-8编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码

格式化

>>>'Hello,%s' % 'world'
'Hello,world'
%是用来格式化字符串的，在字符串内部，%s表示字符串替换，%d表示用整数替换，%f表示浮点数，%x表示十六进制数，如果不太确定应该用什么，%s是永远有效的。