python的编码和解码

编码介绍:

1. ASCII: 英文, 特殊字符, 数字, 8bit, 1byte
2. GBK: 中文 16bit, 2byte. 兼容ASCII
3. unicode:　万国码, 32bit 4byte. 兼容ASCII
4. UTF-8: 长度可变的unicode. 英文:8bit, 欧洲:１６bit, 中文:24bit 3byte

python2 只能用ASCII
python3 有unicode, 默认的编码就是unicode
内存里用的是unicode. 硬盘和网络传输用的是utf-8或者GBK

python3的encode()和decode()
    在python3的内存中. 在程序运行阶段. 使⽤用的是unicode编码.
    因为unicode是万国码. 什么内容都可以进行显示. 那么在数据传输和存储的时候由于unicode比较浪费空间和资源.
    需要把unicode转存成UTF-8或者GBK进行存储. 怎么转换呢.
    在python中可以把⽂字信息进行编码. 编码之后的内容就可以进行传输了.
    编码之后的数据是bytes类型的数据.其实啊.还是原来的数据只是经过编码之后表现形式发生了改变而已.

    bytes 的表现形式
        1.英文 b'nihao'英文的表现形式和字符串没什么两样
        2.中文 b'\xc4\xe3\xba\xc3'这是一个汉子‘你好’的utf-8的bytes表现形式

 字符串在传输时转化为bytes->encode(字符集)来实现。
    英⽂编码之后的结果和源字符串一致.
    中文编码之后的结果根据编码的不同. 编码结果 也不同.
    我们知道.一个中文的UTF-8编码是3个字节. 一个GBK的中文编码是2个字节.
    编码之后的类型就是bytes类型. 在网络传输和存储的时候我们python是保存和存储的bytes
    类型. 那么在对方接收的时候. 也是接收的bytes类型的数据.
    我们可以使⽤用decode()来进行解码操作. ->把bytes类型的数据还原回我们熟悉的字符串。

#     例子：编码和解码的时候都需要制定编码格式.
#
# s = "我是文字"
# bs = s.encode("GBK") # 我们这样可以获取到GBK的⽂字
# print(bs)         #编码的结果 GBK编码: b'\xce\xd2\xca\xc7\xce\xc4\xd7\xd6'
       # 如何把GBK转换成UTF-8
       # 首先要把GBK转换成unicode. 也就是需要解码
bs = b'\xce\xd2\xca\xc7\xce\xc4\xd7\xd6'
#先将GBK码编码成unicode码
s = bs.decode("GBK")
print(s)     #我是文字
# 然后需要进行重新编码成UTF-8
bss = s.encode("UTF-8") # 重新编码
print(bss)      #   UTF-8   b'\xe6\x88\x91\xe6\x98\xaf\xe6\x96\x87\xe5\xad\x97'

转载于:https://www.cnblogs.com/caodneg7/p/9284891.html