Python基本语法(四)——二进制与编码

一只睡不醒的熊

已于 2024-08-15 01:35:32 修改

阅读量334

点赞数 21

文章标签： python

于 2024-08-15 01:34:53 首次发布

本文链接：https://blog.csdn.net/XYY_Nico/article/details/141099055

版权

一、二进制

1.1 二进制基本介绍

二进制即只有0和1，逢二进一

1位二进制数据总共可表示 $2^1=2$ 种状态，即0和1

2位二进制数据总共可表示 $2^2=4$ 种状态，即00,01,10,11

以此类推，n位二进制可以表示 $2^n$ 中状态，特别的，8位二进制数据可以表示 $2^8=256$ 种状态，对应十进制数字0~255

1.2 二进制与10进制转换

$0101 = 2^2+1=5$

$11010 = 2^4+2^3+0+2^1+0=16+8+0+2+0=26$

相较于用公式算，直接记住二进制每一位下的“1”对应10进制的数字大小（即位权）能更快的计算

1.3 二进制与16进制转换

$11010 = 16+8+2=26=16+10=1A$

通过10进制过渡，一步步计算

11010 = 1 1010 = 1 (8+2) = 1 10 = 1 A=1A

每四位二进制数据对应一位十六进制数据，结合每位的位权，快速得出对应16进制关系

二、bite及byte

bit：计算机里用来存放1或0的最小存储单位（百兆宽带是用bit作单位的）

byte：字节，计算机最常用的由8个bit构成的存储单位（下载速度中KB,MB中的B指的就是byte）

三、编码表

3.1 编码及编码表定义

编码：本质就是让只认识0和1的计算机，能够认识人类使用的语言符号，并且将数据转化为二进制进行存储和传输

编码表：人类语言和二进制数据的对应关系

乱码的本质：解码器使用的编码表与编码器使用的编码表不一致导致混乱

3.2 ASCII编码

美国发明的，适用于英文，英文字母+数字+常用符号总共也就100来个，使用7个bit位 $2^7=128$ 足够了，所以一个字节中会剩下一个bit位，默认为0

问题：只适用于英语，不适用于其他语言，尤其不适合中文，256位完全不够用

3.3 GB2312

中国出台的，用2个字节， $2^{16}=65536$ 代表65535个常用汉字，升级版是GBK码

3.4 Unicode万国码

将世界上所有的符号都收集纳入，可容纳100多万个符号。Unicode编码点分为17个平面（plane），每个平面包含216（即65536）个码位（code point）。17个平面的码位可表示为从U+xx0000到U+xxFFFF，其中xx表示十六进制值从 $00_{16}$ 到 $10_{16}$ ，共计17个平面，总计17×65536=1114112个码位。

17个平面中，第一个平面称为“基本多语言平面”（Basic Multilingual Plane，简称BMP），其余平面称为“辅助平面”（Supplementary Planes）。其中“基本多语言平面”（0~0xFFFF）中0xD800~0xDFFF之间的码位作为保留，未使用。

缺点是为迁就一些占用字节比较多的语言（比如中文），英文也要跟着占两个字节。比如要存储A，原本00010001就可以了，使用万国码就必须用两个字节：00000000 00010001，极大的浪费计算机存储空间。

3.5 UTF-8

一种针对Unicode的可变长度字符编码，可使用1~4个字节表示一个符号，根据符号选择字节长度，可兼容ACSII编码

UTF-8的编码规则：

(1) 对于ASCII码中的符号，使用单字节编码，其编码值与ASCII值相同。其中ASCII值的范围为0~0x7F，所有编码的二进制值中第一位为0（这个正好可以用来区分单字节编码和多字节编码）。

(2) 其它字符用多个字节来编码（假设用N个字节），多字节编码需满足：第一个字节的前N位都为1，第N+1位为0，后面N-1 个字节的前两位都为10，这N个字节中其余位全部用来存储Unicode中的码位值。

字节数	Unicode	UTF-8编码
1	000000-00007F	0xxxxxxx
2	000080-0007FF	110xxxxx 10xxxxxx
3	000800-00FFFF	1110xxxx 10xxxxxx 10xxxxxx
4	010000-10FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

3.6 几种编码表的使用情况

计算机是有自己的工作区的，这个工作区被称为“内存”。数据在内存当中处理时，使用的格式是Unicode，统一标准。

数据在硬盘上存储，或者是在网络上传输时，用的是UTF-8，因为节省空间。但你不必操心如何转换UTF-8和Unicode，当我们点击保存的时候，程序已经“默默地”帮我们做好了编码工作。

一些中文的文件和中文网站，还在使用GBK，和GB2312。

四、编码与解码

encode()与decode()函数

编码，即将人类语言转换为计算机语言，就是【编码】encode()；反之，就是【解码】decode()

print('吴枫'.encode('utf-8'))  #将吴枫’按照utf-8格式编码
print('吴枫'.encode('gbk'))    #将‘吴枫’按照gbk格式编码
print(b'\xe5\x90\xb4\xe6\x9e\xab'.decode('utf-8'))  #将‘\xe5\x90\xb4\xe6\x9e\xab’按照utf-8格式解码
print(b'\xce\xe2\xb7\xe3'.decode('gbk'))  #将‘\xce\xe2\xb7\xe3’按照gbk格式解码

将人类语言编码后得到的结果，有一个相同之处，就是最前面都有一个字母b，比如b'\xce\xe2\xb7\xe3'，这代表它是bytes（字节）类型的数据。

print(type('吴枫'))
print(type(b'\xce\xe2\xb7\xe3')) 

<class 'str'>
<class 'bytes'>

一只睡不醒的熊

关注

21
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
Python基本语法(四)——二进制与编码

编码：本质就是让只认识0和1的计算机，能够认识人类使用的语言符号，并且将数据转化为二进制进行存储和传输编码表：人类语言和二进制数据的对应关系乱码的本质：解码器使用的编码表与编码器使用的编码表不一致导致混乱。
复制链接

扫一扫