python基础篇——简单编码与解码的战争

python基础篇——简单编码与解码的战争

---

  hello！我是wakeyo_J，每天一个konwledge point，一起学python，让技术无限发散。

---

想必大家在日常的网络生活中，有时会遇到打开一些文件时出现不认识的“外星文”。

你是不是顿时就感觉头大了，反正我看到时是这样的！！！！

然后，是这样的！！！

1. 计算机的编码

  我们都知道，计算机只能识别0和1， 但是它是如何将我们输入的内容展示出来的呢？

从输入内容到计算机转变成0与1的代码就是编码，计算机内部有一个编码表进行一一对应。

2. 二进制

究竟什么是二进制呢？
【故事虚构】二进制的由来可追溯至三国时期，在三国中有一个牛人——诸葛亮，下面让我们的牛人诸葛亮来给大家讲讲二进制。

  诸葛亮派大将马谡驻守 街亭，诸葛亮叮嘱马谡：若魏军（曹操的军团）来100人，你就点亮1盏“孔明灯”通知我，我想清楚的知道魏国来了多少敌军，我好让人做好准备，才能搞定司马懿那厮。

  马谡这人以为自己很聪明，就装起叉来，对诸葛亮说：丞相我懂了，若敌人来了100人，我就放飞1盏孔明灯，若是敌人来了1000人，我就放飞10盏孔明灯；若敌人来10000人，我就放飞100盏孔明灯。。。。。。。。。

  诸葛亮听后差点一口老血就上来：你以为孔明灯那么好整？放飞那么多盏孔明灯，你知道需要多少money码？如今天下三分，我都是省吃俭用，你还这么浪费。

  马谡的铜铃大眼一转：丞相我懂了，敌人来一个，我就点亮一次，这样的话，就只需要1盏孔明灯了。

  这马谡一番深刻的理解，差点没把老诸给送走了，诸葛亮长叹了口气：幼常啊，你想一想，我都快50的人了，又经常熬夜挑灯夜读，近视得厉害，你认为我能够看清多少次，而且你这点来点去，万一出错了呢？

  马谡完全像作者遇到了“外星文”一样，问丞相：求答案。

  诸葛亮不忘摇摇毛扇冷静冷静：你的学学二进制，多安几盏孔明灯，你把它们放在街亭最高处，但注意，需要以同样得距离排列。

  还好马谡一个爱学习得娃：丞相，什么是二进制？

  诸葛亮：二进制，乃天人之学也，你只需排列好8盏灯，就可以将敌情准确上报。我就在西城找好位置泡着茶，边喝茶边按照定好得方位观察亮灯得位置，就可以胸有成竹，运筹帷幄了。

  马谡又蒙了：丞相，如果来的敌人太多了怎么办？

  诸葛亮：二进制，只有0和1，逢二进一，我们品是数数字0，1，2，3，4，5，6，7，8，9，10是十进制，二进制就是你数到2的时候，因为二进制只能使用0和1来表示，2就变成了10。来，你看下面这张对照表，到时候照着这个点灯就行了。

用来存放一个0或者1的位置，就是计算机中最小的储存单位，叫做【位】，外国名字叫【bit】，也叫做【比特】。我们规定8个比特构成一个【字节】（byte），字节是计算机里最常用的单位。

bit是位，byte是字节，1byte = 8bit。没听过位，也没听过字节，我只听过兆M，还有G。这些都是存储单位，它们之间的关系是这样的。

千兆宽带，其实说的是以比特每秒位单位，1000M就是 1000Mbit/s，而我们下载速度是以字节每秒位单位显示的，1byte = 8bit；1000M bit = 125M byte，也就是说千兆宽带，每秒下载速度最多125M。那我们的百兆宽带，下载速度也就只有十几兆了。

3. 编码表

  计算机开始发明的时候，用来解决数字计算问题。但是后来发现，只用二进制解决问题还是有限，怎么办呢？

  计算机这种东西最早由老外发明，外国人使用的英语只有26个字母，再加上标点、数字和一些符号也不会太多，老外搞出来一个东西叫做ASCII码，这个比二进制高级了一些。ASCII码组合出的256种状态，至此一个字节就使用满了。

  后来，计算机来到了中国，就出现大问题了，ASCII码最多表示256种状态，我们汉字千千万万， 256个远远不够啊。我们科学家就重新编写了一张编码表，叫做GB2312（word中有这种编码方式），它使用2个字节16个比特位，来表示绝大多数（65535）个汉字。后来，为了显示更多的汉字，又研究出一套编码，GBK编码。

  美国人有ASCII码，中国人有GB2312与GBK编码，那阿拉伯人呢？欧洲人呢？就像下面的乱码一样，这是咋形成的。就是美国人的编码到了我们中国，我们看不懂；中国人的编码到了欧洲，欧洲人看不懂。

  为了能够让全世界人民都能畅通的交流。Unicode应运而生。Unicode把所有语言都统一到一套编码里，可以容纳100多万个符号，这样就不会再有乱码问题了。好开森，大家终于可以愉快的玩耍了，但是由于把所有语言都统一到一套编码里中，就造成Unicode码越来越庞大。比如英文A，之前可以用00010001表示，但是到了Unicode码中，必须使用00000000 00010001来表示。

  于是，有人觉得太长了。太麻烦了。于是，科学家们又针对Unicode码研究出了一种可变长度字符编码，叫做UTF-8（8-bit Unicode Transformation Format），它可以根据不同的符号来变化字节长度。

4. 编码encode()与解码decode()

• 编码encode就是把人类语言转成计算机语言。

• 解码decode就是把计算机语言转成人类语言。

用法

print('编码'.encode('gbk'))
print('编码'.encode('utf-8'))
print(b'\xb1\xe0\xc2\xeb'.decode('gbk'))
print(b'\xe7\xbc\x96\xe7\xa0\x81'.decode('utf-8'))

效果：

字母‘b’，这是代表它是bytes(字节)类型的数据

print(type('编码'))
print(type(b'\xb1\xe0\xc2\xeb'))
print(type(b'\xe7\xbc\x96\xe7\xa0\x81'))

效果：

• 计算机的编码，就是把字符串类型的数据，转换成bytes类型的数据。
• 计算机的解码，就是把bytes类型的数据，转换成字符串类型的数据。

老骥伏枥,志在千里。烈士暮年,壮心不已。

---

总结

  本文属于作者原创，转载请注明出处，不足之处，希望大家能过给予宝贵的意见，如有侵权，请私信。每天一个knowledge point，一起学python，让技术无限发散