oeasy教您玩转python - 008 - # ascii码表

ASCII 码表

回忆上次内容

• 通过 help()可以从 python 命令行模式进入到帮助模式

  • 通过 q 退出

• ord(c)和 chr(i)

  • 这是俩函数

  • 这俩是一对，相反相成的

    • ord 通过字符找到对应的数字
    • chr 通过数字找到对应的字符
  • 字符的本质是数字

• Python 里面的字符对应着一些数字

  • a对应 97
  • b对应 98
  • c对应 99
• 可是，为什么是这样的对应关系，谁规定的，必须的么？🤔

小写字母

#输出a，b，c
ord("a")
ord("b")
ord("c")
#输出z-a的数字差距，相对序号
ord("z")-ord("a")
#输出a的相对序号
ord("a")-ord("a")

• a、b、c 这些字符是挨着的
• 正好从0到25，总共26个数字🔢
• 对应数字也是挨着的

编码规律

• 从 a-z 应该都是挨着的
• 26 个英文字母之间，数值差距是 25，说明都是挨着的

• 为什么是从 97 开始？

  • 应该还有别的字符
  • 除了小写字母之外、大写字母、数字、符号他们都是如何的分布的呢？
  • 我想把所有 ASCII 字符 0-127 全都打出来
  • 可以么？

遍历范围

for i in range(0,128):
    print(i,end=",")

• 我们先把0-127 挨牌儿捋一遍

• 然后如何找到数字对应的字符呢？

对应字符

• 通过数字找到对应的字符是chr

for i in range(0,128):
    print(hex(i),chr(i),sep=":",end="    ")

• print(hex(i),chr(i),sep=":",end=" ")

  • hex(i)

    • 输出i的十六进制状态

  • chr(i)

    • 输出i的字符状态

  • sep=':'

    • 分隔符为冒号

  • end=" "

    • 结束时输出3个空格
• 结果如何呢？

结果

• 这不是很整齐啊
• 为什么在 0xa-0xc 好像换行很突然
• 后面可以看到字符和序号一一对应的关系
• 不过不是很明确
• 有什么方式可以看起来更明确么？

安装 ASCII

sudo apt install ascii

• Dec 对应的是 10 进制数
• Hex 对应的是 16 进制数
• 后面的是具体字符

• 字符包括

  • 控制
  • 符号
  • 英文大小写字母
• 这样就把各种字符和一个二进制数字对应起来了

• 这个 ASCII 什么时候开始有的呢？

ASCII 码表

• 1967 年的时候就有了最初这个 ASCII 码表🔡

  • 当时计算机用高电平和低电平分别表示 0 和 1

    • 实际上计算机中所有的数据都是 0 和 1
  • 这建立起了 字符 和 二进制数 的 映射关系

• 字符 和 二进制数 的 映射关系 如果不一致

  • 面对同一个二进制数 01010101
  • 就会映射到不同的字符
  • 人们看到不同的字符就认为是乱码

• 当时美国的工程师定义了一套编码规则

  • ASCII

    • American Standard Code for Information Interchange
  • 美国信息交换标准代码

由来

• 这标准是美国信息交换标准代码是由美国国家标准学会制定的

  • (American National Standard Institute , ANSI )
  • 最初是美国标准

• 后来是国际标准化组织定为国际标准

  • （International Organization for Standardization, ISO）
  • 称为 ISO 646 标准

• 最后一次更新则是在 1986 年

  • 到目前为止共定义了 128 个字符

解码 ASCII

• 我们找到小写的a

  • 先向上找到110

    • 这是他的765位
    • 高三位

  • 再向左找到0001

    • 这是他的4321位
    • 第四位
  • 在前面加一个0
  • 得到(01100001)2进制
  • 对应着(97)10进制数
  • 也就是(0x61)16进制数
  • 刚好对应一个字节

对应关系

• 1 个 字节 byte

  • 正好 8 个 bit 位
  • 相当于 2 位 16 进制数
  • 16 进制数 更容易读出
• 十六进制数很适合输出字节状态
• 听起来找到了字符和字节状态之间的映射对应关系
• 我们能在游乐场上验证一下吗？

游乐场

• 进入 python3 帮助模式

• 我们可以查询 hex

  • hex 对应 hexadicimal 十六进制
• help(hex)

动手

#得到a的序号
ord("a")
#输出97对应的16进制形式
hex(97)
#找到a对应的16进制形式数字对应的字符
hex(ord("a"))

• 0x61就是十六进制的61

  • 0x是十六进制的前缀标志

• 可是为什么 16 进制使用 0x 作为前缀？

0x 前缀

• x 的起源

  • 0x 的 x 是取自 hex 的 x

• 0 的起源

  • 变量名开头不许是数字
  • 0 开头肯定是数字
  • 但正常情况下写数字不会用 0 开头
  • 这保证 0 开头很容易和 10 进制区分开

  • 在 C 语言之前的 B 语言用 0 开头表示 8 进制

    • C 语言继承了类似设定

      • 0 开头表示数字
      • 0x 开头表示 16 进制数

• python 也继续继承

  • 字符对应着数字
  • 数字也可以转化为字符

  • 字符和二进制数之间的关系其实是

    • 编码 encode
    • 解码 decode

编码解码

• 编码

  • 就是用预先规定的方法将文字、数字、其它对象编成数码
  • 将信息、数据转换成规定的电脉冲信号
  • 简单来说就是给大白菜编个号

• 解码是编码的逆过程

  • 用特定方法，把数码还原成它所代表的内容
  • 将电脉冲信号、光信号、无线电波等转换成它所代表的信息、数据等的过程
  • 简单说就是扫条码知道这个是一个大白菜并知道价格等

• 我们用python试试编码解码

encode和decode

• str(字符串)'a' encode(编码)之后 为 bytes(字节序列) b'\x61'

• bytes(字节序列)b'\x61' decode(解码)之后为 为 str(字符串)'a'
• 编码(encode) 和解码(decode) 互为逆运算

• 很像

  • 字符(chr)和 序号(ord)

编码解码

• 可以先编码再解码
• 也可以先解码再编码
• 绕来绕去
• 也没做神马😁

• 掌握这个基础是最起码
• 基本功要练得硬桥硬马
• 实战方能稳扎稳打
• 否则以后各种乱码

• 字节除了用十六进制显示之外
• 还可以用二进制显示么？

bin(number)

• 这次我们来试试把数字转化为二进制形式

• 查询 bin

  • bin 对应 binary 二进制

动手

#得到a的序号
ord("a")
#输出97对应的16进制形式
bin(97)
#找到a对应的十六进制形式
bin(ord("a"))

• 0b1100001是二进制数1100001

• 0b是 2 进制数的前缀标志

  • 正如0x是 16 进制数的前缀标志

和 ASCII 表对比

• 验证成功
• 这充分证明了我们用的确实是 ASCII 表！！！👏👏
• 废话！🦧
• 我们会用 hex、bin 把 10 进制数转化为八进制、二进制形式
• 能把其他进制转化回十进制么？

其他进制 转化为回 10进制 int(number)

• 用的是 int

• 这个 int 什么来历？
• 我们 help()里面去找找

大小字母差值

• 0x41-0x5A这个范围是大写字母
• 0x61-0x7A这个范围是小写字母

#输出a的ASCII吗
ord("a")
#输出A的ASCII吗
ord("A")
#输出大小写之差
ord("a")-ord("A")
#差值的16进制形式
hex(ord("a")-ord("A"))
#差值的2进制形式
bin(ord("a")-ord("A"))

• 大写字母和小写字母相差(32)10进制
• 正好是(0x20)16进制

• 为什么不多不少
• 就差 0x20 呢？
• 怎么那么寸呢？🤔

ASCII 码表趣事

• 其实最初不是相差 0x20

  • 这个 0x20 正好是一个二进制位
  • 对应 b6 这个位
  • 之前 ibm 的 EBCDIC 编码并不是这样的
• 那为什么要改成这样子呢？

• 有了这种对应关系之后

  • 做大小写不敏感的字符串查找就快多了

  • 这个 0x20 发生在 1963 年 5 月

    • The X3.2.4 task group voted its approval for the change to ASCII at its May 1963 meeting.
    • Locating the lowercase letters in columns 6 and 7 caused the characters to differ in bit pattern from the upper case by a single bit, which simplified case-insensitive character matching and the construction of keyboards and printers.

  • 如果是大写字母

    • 修改1位之后，都变成小写字母
    • 然后直接查找就好了

ASCII 码表范围

• 0x41-0x5A这个范围是大写字母
• 0x61-0x7A这个范围是小写字母

• 0x30-0x39这个范围是数字

  • 数字的编码减去0x30正好得到数字本身

• 我们再来看看 ASCII

ASCII

• 0x20-0x7F之间有各种符号

• 0x00-0x1F之间的东西是什么？

  • 目前还不知道
  • 也许有一天可以进行进一步地探索

• 可以肯定都是

  • 很多字符来自与更早之前的摩斯电码

更早之前的摩斯电码

• ASCII 也不是从无到有的

  • 在 ASCII 之前就有摩斯电码
  • 也是一种编码方法
  • 《oeasy 教您玩转电路基础》第 18 话介绍过

• 下图是他的编码表

  • 分成长和短两种信号，就是嘀和嗒

摩斯电码通信规则

• 下图是他的通信规则
• 三个断确认本字符结束了
• 三个断也就是字符之间的分隔符
• 录入状态并不是 0、1 两种状态
• 而是长、短、暂停三种状态

• 为什么这样编码呢？

效率问题

• 编码的规则是常用的字符点击次数少

  • 按照字符出现概率分配对应点击数量

    • T、E 出现频率最高
    • 所以用一次点击电键的数量
  • 本质上是一棵霍夫曼树

• 当时完全由人进行发射和接收

  • 每个人发送数据的速度是不固定的
  • 每个人接收数据的速度取决于发送人的发送速度
  • 现查表是来不及的
  • 需要熟悉编码表和常用缩写

• 这就是早期使用电来进行编码的过程

  • 我们现在回到 ASCII 码
• 最后我们来总结一下

总结

• 数制可以转化

  • bin(n)可以把数字转化为 2进制
  • hex(n)可以把数字转化为 16进制
  • int(n)可以把数字转化为 10进制

• 编码和解码可以转化

  • encode 编码
  • decode 解码

• ASCII 码表范围

  • 0x41-0x5A 这个范围是 大 写字母
  • 0x61-0x7A 这个范围是 小 写字母

  • 0x30-0x39 这个范围是 数字

    • 数字的编码减去 0x30 正好得到数字本身
  • 0x20-0x7F之间有各种符号
  • 0x00-0x1F之间的东西是什么？🤔
• 我们下次再说