1、字元与位元组有什么区别

（一）位元组

位元组（Byte）是一种计量单位，表示数据量多少，主要用于存储和网路传输。1 byte=8 bit （KB,M）

（二）字元

字元是指计算机中使用的文字和符号，比如1、2、3、A、B、C、~！·#￥%……

（三）「位元组」与「字元」

它们完全不是一个位面的概念，不同编码里，字元和位元组的对应关系不同：

①ASCII码中，一个英文字母（不分大小写）占一个位元组的空间，一个中文汉字占两个位元组的空间。一个二进位数字序列，在计算机中作为一个数字单元，一般为8位二进位数，换算为十进位。最小值0，最大值255。

②UTF-8编码中，一个英文字元=一个位元组，一个中文（含繁体）=三个位元组。

③Unicode编码中，一个英文等于=两位元组，一个中文（含繁体）=两个位元组。

符号：英文标点占一个位元组，中文标点占两个位元组。举例：英文句号「.」占1个位元组的大小，中文句号「。」占2个位元组的大小。

x表示无的意思,utf8英文省空间

字元（不同方式编码给人看），位元组（计算机看）

ASCII:最早只有127个字元被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65。

我们平时说的 ASCII 其实有两个含义，一个是 ASCII 字符集，另一个是 ASCII 编码。

ASCII 字符集只是定义了字元与字元码（character code，也称 code point 代码点）的对应关系。也就是说这一层面只是规定了字元A用 65 表示，至于
这个 65 在内存或硬碟中怎么表示，它不管，那是 ASCII 编码做的事。

ASCII 编码规定了用 7 个二进位位保存 ASCII 字元码(定义字符集的存储形式)，剩下 1 位为 Parity bit，也称为校验位，用以检查数据的正确性。

Unicode把所有语言都统一到一套编码里，不会有乱码问题。(所有文字用这个)。

UTF-8:本著节约的精神，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字元根据不同的数字大小编码成1-6个位元组，常用的英文字母被编码成1个位元组，汉字通常是3个位元组，只有很生僻的字元才会被编码成4-6个位元组。如果你要传输的文本包含大量英文字元，用UTF-8编码就能节省空间。

>>> 中.encode(ascll)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
LookupError: unknown encoding: ascll
>>> 中.encode(utf-8) #编码encode给计算机看
bxe4xb8xad
>>> bxe4xb8xad
bxe4xb8xad
>>> bxe4xb8xad.decode(utf-8) #解码decode给人看
中

字元、代码点、二进位位元组关系图

Character 字元。即我们看到的单个符号，像「A」、「啊」等
Code point 代码点。一个无符号数字，通常用16进位表示。代码点与字元的一一对应关系称为字符集（Character Set），这种对应关系肯定不止一种，也
就导致了不同字符集的出现，像 ASCII、ISO-8859-1、GB2312、GBK、Unicode 等。
Bytes 二进位位元组。其含义为代码点在内存或磁碟中的表示形式。代码点与二进位位元组的一一对应关系称为编码（Encoding），当然这种对应关系也不是唯
一的，所以编码也有很多种，像 ASCII、ISO-8859-1、ENC-CN、GBK、UTF-8等。

在计算机内存中，统一使用Unicode编码，当需要保存到硬碟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字元被转换为Unicode字元到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。

记事本存在硬碟上面

浏览网页的时候，伺服器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

也是存在硬碟上面

Python 3版本中，字元串以Unicode编码

>>> print(包含中文的str)
包含中文的str

Python的字元串类型是str，在内存中以Unicode表示，一个字元对应若干个位元组。如果要在网路上传输，或者保存到磁碟上，就需要把str变为以位元组为单位的bytes。

Python对bytes类型的数据用带b前缀的单引号或双引号表示：

x = bABC

要注意区分ABC和bABC，前者是str，后者虽然内容显示得和前者一样，但bytes的每个字元都只占用一个位元组。

以Unicode表示的str通过encode()方法可以编码为指定的bytes，例如:

>>> ABC.encode(ascii) #utf8占3位元组
bABC #还是3位元组
>>> 中文.encode(utf-8)
bxe4xb8xadxe6x96x87
>>> 中文.encode(ascii) #无
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeEncodeError: ascii codec cant encode characters in position 0-1: ordinal not in range(128)

如果bytes中只有一小部分无效的位元组，可以传入errors=ignore忽略错误的位元组：

>>> bxe4xb8xadxff.decode(utf-8, errors=ignore)
中

由于Python源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时，为了让它按UTF-8编码读取，我们通常在文件开头写上这两行：

#!/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

format()

>>> Hello, {0}, 成绩提升了 {1:.1f}%.format(小明, 17.125)
Hello, 小明, 成绩提升了 17.1%

当str和bytes互相转换时，需要指定编码。最常用的编码是UTF-8。Python当然也支持其他编码方式，比如把Unicode编码成GB2312：

>>> 中文.encode(gb2312)
bxd6xd0xcexc4

但这种方式纯属自找麻烦，如果没有特殊业务要求，请牢记仅使用UTF-8编码。

推荐阅读：

相关文章