重点:Python爬虫需要不停的和字符串打交道,所以掌握字符串相关知识尤为重要,特别是在提取数据这一块
str类型和bytes类型:
str:以Unicode的形式呈现,是我们能直观理解的
bytes:以二进制的形式呈现,网络上所有的数据传输都是用二进制的方式,难以直观理解
ASCLL:
使用1个字节表示1个字符,占用内存小,但是无法完全表示所有国家的字符,各个国家都有不同的编解码方式,使用困难
Unicode:
一律使用2个字节表示1个字符,占用内存大,几乎可以表示所有的字符,但内存占用大难以推广
UTF-8:
1.是Unicode的一种实现方式,可以理解为升级版Unicode,
2.自动识别字符个数,可以用任意字节表示1个字符,是一种变长的编码方式,并选取最小的字节
3.使内存使用最优且能够表示所有字符
赞美utf-8!!