python基础编码_python基础一 Python 的编码

首先了解一下历史，但是本篇文章冗杂，如老太太裹脚布----------又臭又长

编码历史：

1. 计算机只能处理数字，文本文件只有转换为数字

才能处理。8bit==1字节 所以一个字节能表示的最大的数就是255

2. 美国人发明计算机。用英语，所有一个字节就表示了所有字符

就是ASCII(一个字节) 编码就是美国人的标准编码

3. 当中国人使用计算机时，需要表示中文字符，于是就发明了

GB2312的编码格式，即用两个字节表示一个汉字。同理，其他语言国家

也就创建了自己相应的编码。没有一个共同的标准，于是当不同语言用

了不对应的编码就会产生乱码

4.为统一标准，Unicode 编码出现了,所有语言统一到一套编码

Unicode与ASCII 编码比较

1)  字母A: ASCII 十进制65，二进制就是 0100 0001

汉字中 ASCII表示不了 采用Unicode编码为20013 二进制：01001110 00101101

2)  为计算机识别统一长度，所以A 前面位置补0 即 00000000 0100 0001

标准就此统一

5. 标准统一了，乱码问题解决了，但是Unicode编码长度较长，但计算机英文为主，

若内容若全是英文，Unicode编码就比ASCII编码多一倍存储空间，同时传输也多一倍

怎么解决呢？

6.要是Unicode 编码可以变化就好了，于是UTF-8 出现了

utf-8 中,字母一个字节，一个汉字3个字节，特别生僻的4-6个

于是节约了空间和存储

7，那么问题来了：计算机只认Unicode 编码

utf-8 之间怎样转换的

如图：

当需要被计算机识别时，就会加载到内存，此时采用的编码就必须是Unicode 编码

当需要在网络中传输时，或者存储在文件中时，就采用UTF-8编码，为了节约空间成本

所以就有了相互转化

python2 和python3 在Windows/Linux 上的编码转换

python2:

在Windows:

1. 先来看看window 本身是什么编码

import sys

sys.getdefaultencoding()

#out: "utf-8"

2.    字符串全部英文

s1= "abc" -->  type(s1):str

s2 = u"abc" --> type(s2):Unicode

u""的意义：表示将后面的字符串以unicode格式存储

s1.encode("utf8")  成功

s2.encode("utf8")  成功

3.  当出现中文时：

s1 = "你好"    --> GB2312编码。windows下

s2 = u"你好"

s1.encode("utf8")  报错

s2.encode("utf8")  成功

报错原因：

在内存中是以Unicode 进行编码的，但是

s1 在传递过来时就是不是Unicode编码了(原因是存储浪费)，而

encode是将一个Unicode 对象转化为参数中的编码格式进行编码

所以说 s2不会报错

解决办法：

先将这个gb2312的编码转化为unicode编码的对象

然后再转化为utf-8

s1.decode("gb2312").ecode("utf8")  成功  Windows下为"gb2312"

decode("xx")方法是将一个编码为"xx"的对象转化

为Unicode对象

在Linux下：

1. 先来看看linux 本身是什么编码

import sys

sys.getdefaultencoding()

#out: "ascii"

2.    字符串全部英文

s1= "abc" -->  type(s1):str

s2 = u"abc" --> type(s2):Unicode

u""的意义：表示将后面的字符串以unicode格式存储

s1.encode("utf8")  成功

s2.encode("utf8")  成功

3.  当出现中文时：

s1 = "你好"    --> utf-8编码。Linux下 为啥不是ascii? 那ascii能表示中文吗？

肯定是转化为了utf-8 了啊

s2 = u"你好"

s1.encode("utf8")  报错

s2.encode("utf8")  成功

解决办法：

先将这个utf-8的编码转化为unicode编码的对象

然后再转化为utf-8

s1.decode("utf8").ecode("utf8")  成功  Linux下中文为"utf-8"

等价于 s1 又转回去了，本身就是utf-8编码

python 3：

在python3 中，所有的str类型的都是Unicode 格式编码，可以直接encode为"utf-8"

在Windows:

1.    字符串全部英文

s1= "abc" -->  type(s1):str

s2 = u"abc" --> type(s2):Unicode

u""的意义：表示将后面的字符串以unicode格式存储

s1.encode("utf8")  成功

s2.encode("utf8")  成功

2.  当出现中文时：

s1 = "你好"    --> Unicode编码。windows下

s2 = u"你好"    ---> 没有必要这样写 ，不加u"",3也认为这就是Unicode

s1.encode("utf8")  成功

s2.encode("utf8")  成功

在Linux下: 跟在window 下一样

总结：

谈谈 #-*-coding:UTF-8 -*-

python2与3 最大的区别：

2 中当文件有中文出现时就必须在开头加上，而且汉字字符串必须加u""

作用：

告知python 这个文件是按照utf-8格式编码的python就会按照这个编码进行解读，

然后在内部进行Unicode转换

为什么3中不用写：

3中Python都会将文件以Unicode进行解读

3