python入门基础——字符编码

1.字符编码的定义

我们在电脑呢上进行文件编辑时，文本编辑器会将我们编辑的文本翻译成计算机能理解的二进制数

存的时候，正在编辑的文本会在内存中，当保存以后，文本编辑器会将为本进行翻译，存的硬盘中。

取的时候，首先会将硬盘中的二进制数反解成人类的语音，其次再加载到文本编辑器中。

综上所述，存取时所进行的解释和反解就是字符编码。

2,字符编码的历史

总体趋势就像中国历史上的秦始皇统一六国与三国演义差不多。

总--->分---->总的形势

计算机的诞生是在美国，所以美国人就创造了针对英语的字符编码——ASCII表，但是别的国家如果想用计算机进行文斌编辑等操作时，除非用英语，否则就会出现错误。总

所以针对这种情况，每个国家便发明了属于自己国家的字符编码表。分

天下大势，分久必合。为了实现各个国家的文字互通，便出现了兼容万国字符的字符编码表unicode 总

注释：

ASCII表：
    1、只支持英文字符串
    2、采用8位二进制数对应一个英文字符串

GBK表：
    1、支持英文字符、中文字符
    2、
    采用8位（8bit=1Bytes）二进制数对应一个英文字符串
    采用16位（16bit=2Bytes）二进制数对应一个中文字符串

unicode（内存中统一使用unicode）：
    1、
        兼容万国字符
        与万国字符都有对应关系
    2、
    采用16位（16bit=2Bytes）二进制数对应一个中文字符串
    个别生僻会采用4Bytes、8Bytes
 

 

   unicode表：
                          内存
        人类的字符---------unicode格式的数字----------
                             |                     |
                             |                     |
                             |
                            硬盘                    |
                             |
                             |                     |
                             |                     |
                        GBK格式的二进制       Shift-JIS格式的二进制

        老的字符编码都可以转换成unicode，但是不能通过unicode互转
 

3.结论

 

    1、内存固定使用unicode，我们可以改变的是存入硬盘采用格式
        英文+汉字-》unicode-》gbk
        英文+日文-》unicode-》shift-jis
        万国字符》-unicode-》utf-8

    2、文本文件存取乱码问题
        存乱了：解决方法是，编码格式应该设置成支持文件内字符串的格式
        取乱了：解决方法是，文件是以什么编码格式存如硬盘的，就应该以什么编码格式读入内存

    3、python解释器默认读文件的编码
        python3默认：utf-8
        python2默认：ASCII

        指定文件头修改默认的编码：
        在py文件的首行写：
            #coding:gbk

     4、保证运行python程序前两个阶段不乱码的核心法则：
        指定文件头
        # coding:文件当初存入硬盘时所采用的编码格式

     5、
        python3的str类型默认直接存成unicode格式，无论如何都不会乱码
        保证python2的str类型不乱码
            x=u'上'

    6、了解
        python2解释器有两种字符串类型：str、unicode
            # str类型
            x='上' # 字符串值会按照文件头指定的编码格式存入变量值的内存空间
            # unicode类型
            x=u'上' # 强制存成unicode