Python基础之进制及编码

Python基础之进制及编码

了解计算机中必备的常识知识及常见名词背后的含义。

概要：

• python代码的运行方式
• 进制
• 计算机中的单位
• 编码

1. Python代码的运行方式

• 脚本式

python3 - /PycharmProjects/day03/6.作业题讲解.py

• 交互式

python

2. 进制

• 二级制

#逢二进一
二进制：十进制
0：0 
1：1
10：2
11：3
100：4
101：5
110：6
111：
1000：

• 六进制
• 十进制
• 八进制
• 十六进制

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-a6nP8YiG-1669560611782)(E:\Python\笔记\assets\image-20221127112042383.png)]

2.1 进制转换

• 在Python 中10进制以整型数据的形式存在
• 2、8、16进制以字符串的形式存在
• 2进制与8进制不能直接转换

十进制转换为二进制、
v = bin(23)
print(v)
#0b10
十进制转换为8进制
v1 = oct(36)
print(v1)
#0o44
十进制转换为16进制
v2 = hex(100)
print(v2)
#0x64

#二进制转换为十进制
d1 = int("0b10",base = 2)
print(d1)
#2

#八进制转换为十进制
d2 = int("0o44",base = 8)
print(d2)
# 36
#16进制转换为10进制
d3 = int("0x64",base = 16)
print(d3)
#100

3. 计算机中的单位

由于计算机中本质上所有的东西以为二进制存储和操作的，为了方便对于二进制值大小的表示，所以就搞了一些单位。

• b(bit),位

1 ,1位
13,2位
147，3位
....

• B （Byte），字节

8位是一个字节。
1100 1011 ，一个字节
1010 1000 1100 1001 ，两个字节

• K （kilobyte），千字节

1024B=1K
1K = 1024B*8b

• M (megabyte) ,兆字节

1024KB=1M
1M=1024K=1024*1024B=1024*1024*8bit

• G (Gigabyte)，吉字节/千兆

1024M=1G

• T( Trillionbyte）万亿字节/太字节

1TB=1024GB

• 其他还有：
  • 1PB( Petabyte，千万亿字节，拍字节)=1024TB
  • 1EB( Exabyte，百亿亿字节，艾字节)=1024PB
  • 1ZB(Zettabyte，十万亿亿字节，泽字节)=1024EB
  • 1YB( Yottabyte，一亿亿亿字节，尧字节)=1024ZB
  • 1BB( Brontobyte，千亿亿亿字节)=1024YB

练习

#假设1个汉字需要2个字节(2B=16位来表示，如:1000101011001100)，那么1G流量可以通过网络传输多少汉字呢?(计算机传输本质上也是二进制)
1G = 1024M=1024*1024k=1024*1024*1024B=1073741824B
即536870912个汉字

#假设1个汉字需要2个字节(2B=16位来表示，如:1000101011001100)，那么500G硬盘可以存储多少个汉字?
536870912*500=268435456000

4. 编码

编码，文字和二进制之间的一个对照表。

4.1 ASCII编码

ASCII规定使用一个字节来表示字母与二进制的对应关系。

00000000
00000001
00000010
........
11111111
2**8=256

• ASCII表

官方网址：https://www.ASCIItable.com/

4.2 gb-2312编码

• gb-2312编码，由国家信息标准委员会制作（1980年)。
• gbk编码，对gb2312进行扩展，包含了中日韩等文字(1995年)。

与二进制的对应关系中具有如下逻辑

• 单字节表示，用一个字节表示对应关系。英文2**8=256。
• 双字节表示，用两个字节表示对应关系。中文汉字2**16=65536。

4.3 Unicode

Unicode也被称为万国码，为全球的每个文字都分配了一个码位（二进制表示)。

• Ucs2

用固定的两个字节来表示一个字符
00000000 00000000

2**16= 65535

• Ucs4

用固定的四个字节来表示一个字符

2**32=  4294967296

参考网址：https://home. Unicode.org/

https:// Unicode-table.com/en/blocks/

• 无论是Ucs2和ucs4都有缺点:浪费空间

  文字   十六进制     二进制
    A     0041     01000001                                  :ASCII
    A     0041     0o0000o0 01000001                         :Ucs2
    A     0041     0o000000000o000o 00000000 o1000001        :Ucs4
    
  #所以在文件存储或者网络传输时一般不会直接使用 Unicode。
  #而在内存中会使用 Unicode。
  

  4.4 UTF-8

  包含所有文字和二进制的对应关系，全球应用最为广泛的一种编码（站在巨人的肩膀上功成名就)本质上: UTF-8是对 Unicode的压缩，用尽量少的二进制去与文字进行对应。

 Unicode码位范围        UTF-8
oo00 ~ 0o7E          用1个字节表示
0080 ~ 07FE          用2个字节表示
0800 - FFFE          用3个字节表示
10000 ~ 10FFFF       用4个字节表示

压缩流程：

• 第一步：选择转换模板

码位范围(十六进制)              转换模板
0000 ~ 007F                  0XXXXXXX
0080 ~07FF                   110XXXXX 10XXXXXX
0800 - FFFE                  1110XXXX 10XXXXXX 10XXXXXX
10000 ~ 1OFEFF               11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

例如:
"B”对应的 Unicode码位为0042，那么他应该选择的一个模板。
"a”对应的 Unicode码位为01E3。则应该选择第二个模板。
“李”对应的 Unicode码位为674E，则应该选择第三个模板。
😁对应的 Unicode码位为1F601，则应该选择第四个模板。

注意:一般中文都使用第三个模板（3个字节)，这也就是平时大家说中文在UTF-8中会占3个字节的原因了。

• 第二部：在模板中填入数据

李->674E->110 011101 001110
根据模板去套入数据
1110XXXX 10XXXXXX 1OXXXXXX
1110XXXX 10XXXXXX 10001110
11100110 10011101 10001110
# 即,先转为二进制，而后根据几个×对应几位数，从后往前补充，不够补0

😁->1F601-> 11111 011000 000001

11110XXX 10XXXXXX 10XXXXXX 10XXXXXX
11110XXX 10XXXXXX 10XXXXXX 10000001
11110XXX 10XXXXXX 10011000 10000001
11110XXX 10X11111 10011000 10000001
11110000 10011111 10011000 10000001

4.5 Python相关的编码

• 字符串（str） Unicode处理
• 字节（byte） UTF-8 or gbk编码

v1 = "李"
"李".encode("UTF-8")#P70
"李".encode("gbk")

将一个字符串写入到一个文件中。

name="一giao我里giao"
data=encode("UTF-8")
#打开一个文件
file_object = open ( "log.txt ",mode="wb" )
#在文件中写内容
file_object.write(data)
#关闭文件
file_object.close( )

总结

1. ASCII编码、 Unicode字符集、UTF-8编码本质上都是字符与二进制的关系
   • ASCII，字符和二进制的对照表。
   • Unicode，字符和二进制(码位)的对照表。
   • UTF-8，对 Unicode字符集的码位进行压缩处理，间接也维护了字符和二进制的对照表。
2. Ucs2和Ucs4指的是使用多少个字节来表示 Unicode字符集的码位。
3. 目前最广泛的编码为: UTF-8，他可以表示所有的字符且存储或网络传输也不会浪费资源（对码位进行了压缩)。
4. 二进制、八进制、十进制、十六进制其实就是进位不同。
5. 基于Python实现二进制、八进制、十进制、十六进制之间的转换。
6. 一个字节8位
7. 计算机中常见单位之间的关系。
8. 汉字，用gbk编码需要用2个字节;用UTF-8编码需要用3个字节。
9. 基于Python实现将字符串转换为字节(UTF-8编码)

#字符串类型
name ="乔布斯"
#字符串转换为字节类型
data = name.encode("utf-8")
#把字节转换为字符串
data.decode("utf-8")

10.基于Python实现将字符串转换为字节(gbk编码)

11.计算机中的所有数据都是以二进制的形式去执行和存储的。