2020-11-13

知识管理笔记

编码的发展和规范

第0，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。
Python3当中，程序要处理我们输入的字符串，在此都是默认使用Unicode编码的。所以你可以中英文都输入
第1，数据在硬盘上存储，或者是在网络上传输时，用的是UTF-8，因为省空间
第2，一些中文的文件，中文的网站，还在使用GBK，和GB2312。
第3，UTF-8和Unicode可以非常轻易地按照一个规则来互相转换（规则内容不在教学范围之内，而且几乎没有应用场景，但如果你真的想知道，可自行搜索学习。）

print('吴枫'.encode('utf-8'))
print('吴枫'.encode('gbk'))
print('ABC'.encode('ASCII'))
print(b'\xce\xe2\xb7\xe3'.decode('gbk'))

输出
b’\xe5\x90\xb4\xe6\x9e\xab’
b’\xce\xe2\xb7\xe3’
b’ABC’
吴枫
##编码的结果，最前面有一个b，意思是bytes（字节）类型的数据。
所谓的编码，其实本质就是把字符串类型的数据，利用不同的编码表，转换成bytes类型的数据。
你看到许多“\x”，它们是分隔符，用来分隔一个字节和另一个字节。
经常会看到网址里面有好多的%，它们也是分隔符，替换了Python中的"\x"。比如像下面这个：
https://www.baidu.com/s?wd=%E5%90%B4%E6%9E%AB

print('k'.encode('ASCII'))

输出
b’k’
看到大写字母K被编码后还是K，但这两个K对计算机来说意义是不同的。前者是字符串，采用系统默认Unicode编码，占两个字节。后者则是bytes类型的数据，只占一个字节。