爬蟲入門(字串相關)

賈富程發表於2018-12-10
爬蟲字串

1.字元和字符集

  • 字元(Character)是各種文字和符號的總稱，包括各國家文字、標點符號、圖形符號、數字等。字符集(Character set)是多個字元的集合
  • 字符集包括：ASCII字符集、GB2312字符集、GB18030字符集、Unicode字符集等
  • ASCII編碼是1個位元組，而Unicode編碼通常是2個位元組。
  • UTF-8是Unicode的實現方式之一，UTF-8是它是一種變長的編碼方式，可以是1，2，3個位元組

2.python3中的字串

在Python2中，普通字串是以8位ASCII碼進行儲存的，而Unicode字串則儲存為16位unicode字串，這樣能夠表示更多的字符集。使用的語法是在字串前面加上字首 u。

在Python3中，所有的字串都是Unicode字串。

python3中兩種字串型別：

  • str : unicode的呈現形式
  • bytes :位元組型別，網際網路上資料的都是以二進位制的方式(位元組型別)傳輸的

3.str和bytes的轉換

  • str 使用encode方法轉化為 bytes
    s = 'abc'
print(type(s))
#str編碼變為bytes型別
b = s.encode
print(type(b))
複製程式碼
  • bytes 通過decode轉化為 str
    b = b'abc'
print(type(b))
#bytes型別解碼成為str型別
s = b.decode()
print(type(s))複製程式碼


相關文章