字符集与字符编码方案
字符集是指unicode、GB2312(中)、ASCll(美)等用来表示字符的协议,每个字符都有其特定的编码
由于各国编码不一致,采用unicode对世界编码进行统一
ASCII 中的字符在 Unicode 中有相同的码点
关于字符编码方案
字符集只确定了字符的表示方式,如果字符需要存储,那么字符之间还要有分隔,需要将分隔表示出来,所以就有了字符编码方案
UTF-8是Unicode的一种实现方式,是一种可变长度编码,可以表示世界上几乎所有的字符,包括各种语言的字母、符号、表情符号等。
python内部编码为unicode
encode:编码:将unicode转换成其他编码。
decode:解码:将其他编码解码成unicode
"Hello World".encode("utf-8") 将字符串编码为 UTF-8 编码的字节对象。
b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode("utf-8") 将 UTF-8 编码的字节对象解码为字符串对象。
content=u'你好' #Unicode格式字符串
f1=open('test.txt', 'w')
info1 = content.encode('GBK') #写入时,编码为GBK
f1.write(info1)
f1.close()
f2 = open('test.txt', 'r')
info2 = f2.read().decode('GBK') #读取时,已知GBK,解码为Unicode