python自学之路三（二）：关于编码方面的知识

1、编码

• 不同的密码本之间不能互相识别
• 数据在内存中全部是以Unicode编码的，但是当你的数据用于网络传输或者存到硬盘中，必须是以非Unicode编码（utf-8，gbk等等）

​ （1）、ASCLL码：只包含英文字母，数字，特殊字符。

​ 0000 0001（8位）

​ （2）、gbk：国标码，英文字母，数字，特殊字符和中文

​ 一个英文字母：0000 0001（8位）

​ 一个中文：0000 0001 0100 0001（16位）

​ （3）、Unicode：万国码，把世界上所有的文字都记录到这个密码本

​ 起初一个字符用2个字节（不够用）

​ 后来一个字符用4个字节（浪费）

​ （4）、UTF-8：升级，最少用一个字节表示一个字符

​ 一个字节表示英文

​ 两个字节表示欧洲文字

​ 三个字节表示亚洲文字

​ 示例：‘中国12he’ ：GBK：8个字节

​ ‘中国12he’ ：UTF-8：10个字节

• 编码的进阶

  • content =‘hello’

    • 内存中的编码方式：Unicode
    • 表现形式：‘hello’

  • 在存储或者转发时要转化成bytes（特殊的字符串类型）类型

  • bytes:

    • 网络传输，磁盘存储

    • 内存中的编码方式：非Unicode

    • 表现形式：b‘hello’

    • b=b'hello'
      print(b,type(b))
      #b'hello' <class 'bytes'>
      #这种方式b后边只能加ASCLL码里边的
      
      s1='中国'
      b=s1.encode('utf-8')
      print(b)
      #b'\xe4\xb8\xad\xe5\x9b\xbd
      --bytes数据类型的中文表现形式
      

• str <—> bytes

  • 只能与字符串str进行互换，其他数据类型要先转化成str，在转化成bytes

  • str：文字文本 Unicode

  • bytes：字节文本 非Unicode

  • b1=s1.encoding(‘utf-8’)=

    等价于b1=bytes(s1,encding=‘utf-8’)

  • s1 = '中国'
    b1 = s1.encode('utf-8')    --编码
    --指定转化类型utf-8
    b1=b'\xe4\xb8\xad\xe5\x9b\xbd'
    s2=b1.decode('utf-8')     --解码
    --用什么编码编过来的，就用什么编过去
    

  • 要想转化两种非Unicode编码，需要先转化为Unicode编码