Python day7: 字符编码*

字符编码

二进制

--->ASCII :只能存英文和拉丁字符。一个字符占一个字节，8位

------>gb2312 :只有6700多个中文， 1980

--------->gbk1.0 :存了两万多个字符， 1995

------------>gb18030 :2000， 27000中文

------------>unicode :utf-32：一个字符占4个字符

--------->unicode :utf-16：一个字符占2个字符以上，最多65535最多

--------->unicode :utf-8：一个英文用ASCII存，一个中文占三个字节

python 2 里面

默认ASCII码，所以没有申明使用别的解码方法，例如

# -*- coding: utf-8 -*-

则识别不出来中文,因为ASCII只有拉丁字符

这个时候就需要转码了，通过转成unicode

即：

ASCII——encode(编码)——》unicode——decode(解码)——》GBK

python 3 里面

默认是utf-8

a='''
好好味
'''
a1=a.encode('utf-8')

print(a1)

输出结果为

b'\n\xe5\xa5\xbd\xe5\xa5\xbd\xe5\x91\xb3\n'

开头的b代表byte，即一种字节类型

encode在编码的同时，会把数据转成bytes类型

像中文这种ascii码里面没有的特殊字符，转码的时候是用多个ascii码内字符表示的，而英文就没有这一情况，因为英文本身就在ascii码中。