【Python基础】day4——字符编码、解码

字符编码的发展历程：

二进制
---->ASCII：只能存英文或者拉丁字符，一个字符占一个字节（一个字节八位）
-------->gb2312：只能存6700多个英文，1980年
------------>gbk1.0：存2万多个字符，1995年
---------------->gb18030：存2.7万个中文，2000年
-------------------->unicode：万国码，Unicode的表现形式是utf-32，存所有的字符都占用4个字节。
------------------------>unicode：万国码，Unicode的表现形式是utf-16，一个字符占2个字节，65535。
---------------------------->unicode：万国码，Unicode的表现形式是utf-8：可变长字节，一个英文用ASCII码来存，一个中文占3个字节。

 

• 编码encode
• 解码decode

 

编码与解码的应用示例：

• 不同国家之间的语言不同，例如说我们在中国制作一款游戏，游戏中的字幕全部是中文的形式展示，那么如果游戏后期发展需要在日本等国外上线，那么游戏在国外运行将会乱码，前期使用的解决方案是在游戏中加入日文包，或者韩文包，但是如果国家很多的话，导入的包就太多了，为了解决这个问题，我们使用的方案就是编码和解码的过程，比如说，国际上通用的语言就是英文，那么我们将国内中文版的游戏字幕编码为unicode的形式，然后外国，比如日本要上线这款游戏的话，只需要对游戏中的unicode编码进行解码，解码成日文就可以了。
• 也就是说中文和日文之间不能直接沟通，需要通过编码和解码去实现

python2中，内存里的unicode的形式默认是utf-16

python3查看系统默认编码

import sys
print(sys.getdefaultencoding())

结果：

utf-8

Process finished with exit code 0

python3编码：

import sys
print(sys.getdefaultencoding())

s = '特斯拉'
s_to_gbk = s.encode("gbk")
print(s)
print(s_to_gbk)

结果：

utf-8
特斯拉
b'\xcc\xd8\xcb\xb9\xc0\xad'

Process finished with exit code 0

 

• encode在进行编码的同时，会把数据转换成bytes类型
• decode在进行解码的同时（解码就是解码成unicode），会把bytes类型转换为字符串
• b = byte = 字节类型 = [0-255]