Python学习笔记 | 编码和文件读写

基于Python3版本的学习。

编码

编码的本质： 就是让只认识0和1的计算机，能够理解我们人类使用的语言符号，并且将数据转换为二进制进行存储和传输。
这种从人类语言到计算机语言转换的形式，就叫做编码表 ，它让人类语言和计算机语言能够一一对应起来。

二进制

二进制数据的表示法：二进制数据也是采用位置计数法，其位权是以2为底的幂。

二进制	十进制
00	0
01	1
10	2
11	3

所以两个二进制位可以表示十进制的0,1,2,3四种状态。
当三位二进制时，可表示十进制表示0~7八种状态。

二进制	十进制
000	0
001	1
010	2
011	3
100	4
101	5
110	6
111	7

当有八位二进制时，我们就能表示2的8次方，也就是256种状态，它由8个0或1组成。

二进制	十进制
00000000	0
…	…
11111111	255

我们都清楚：计算机里最小的存储单位，叫做位 ，也叫比特（bit） ，用来存放一位0或1。

规定：8个比特构成一个字节（byte） ，这是计算机里最常用的单位。

bit和byte长得有点像，可别混淆！1 byte = 8 bit，也就是1字节等于8比特。

顺便提下：
8进制是用0，1，2，3，4，5，6，7；
16进制是用0，1，2，3，4，5，6，7，8，9，a，b，c，d，e，f来表示。

编码表

编码表可以这样理解：为了让人与计算机互相沟通而不造成混乱，就必须使用相同的编码规则。如果使用了不同的编码规则，那就会彼此读不懂，这就是“乱码”的由来。

美国首先出台了ASCII编码（读音：/ˈæski/） ，统一规定了常用符号用哪些二进制数来表示。

因为英文字母、数字再加上其他常用符号，也就100来个，因此使用7个比特位（0~127，最多表示128位）就够用了，所以一个字节中被剩下的那个比特位就被默认为0。

这套编码表传入欧洲，把最后一个比特位也编进来。因此欧洲普遍使用一个全字节（8个比特位）进行编码，最多可表示256位（0~255）。

中国汉字繁多，于是中国科学家重写了一张编码表，也就是GB2312 ，它用2个字节，也就是16个比特位，来表示绝大部分（65535个）常用汉字。
后来，为了能显示更多的中文，又出台了GBK标准 。

为了各国沟通的便利，Unicode（万国码） 应运而生，这套编码表将世界上所有的符号都纳入其中。每个符号都有一个独一无二的编码，现在Unicode可以容纳100多万个符号，所有语言都可以互通，一个网页上也可以显示多国语言。

而Unicode有时太过浪费内存，比如要存储A，原本00010001就可以了，现在偏得用两个字节：00000000 00010001才行，这样对计算机空间存储是种极大的浪费。

科学家们又提出了：UTF-8（8-bit Unicode Transformation Format） 。它是一种针对Unicode的可变长度字符编码，它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度，而当字符在ASCII码的范围时，就用一个字节表示，所以UTF-8还可以兼容ASCII编码。

Unicode与UTF-8的关系：Unicode是内存编码的规范，而UTF-8是如何保存和传输Unicode的手段。

编码表	适用性	特点
ASCII码	英文大小写、字符，不支持中文	美国发明的，占用内存小
GB2312码、GBK码	支持中文	中国自主研发，GBK码是GB2312码的升级
Unicode码	支持国际语言	占用内存大，适用性强。在ASCII码前补8位就成了Unicode码
UTF-8码	支持国际语言	是Unicode码的升级，占用内存小

实际使用情况
1、 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。
在Python3当中，程序处理我们输入的字符串，是默认使用Unicode编码的，所以你什么语言都可以输入。

2、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。
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。

3、一些中文的文件和中文网站，还在使用GBK，和GB2312。

encode()编码函数

编码，即将人类语言转换为计算机语言，就是编码encode() 。
其实本质就是把str（字符串）类型的数据，利用不同的编码表，转换成bytes（字节）类型的数据。

用法表示：‘你想编码的内容’.encode(‘你使用的编码表’)

print('吴枫'.encode