python-字符编码

一、字符编码

字符编码指的是字符转换成/编码成数字

编码的过程一定要遵循一个标准，该标准称之为字符编码表

字符---------------------编码-------------------------->>数字

字符<<-------------------解码----------------------------数字

1. ASCII表：只能识别英文字符，用8bit(8个二进制位)对应一个英文字符

   1个英文字符====>1Bytes

2. GBk表：可以识别中文字符、英文字符、用8bit对应一个英文字符，用16个bit对应一个中文字符

   1个英文字符====>1Bytes

   1个中文字符====>2Bytes

3. unicode(内存中默认使用该编码)：用2Bytes表示一个字符

   可以识别万国字符

   与各种字符编码的二进制数字都有对应关系

4. utf-8全称Unicode Transformation Format：

   1个英文字符====>1Bytes

   1个中文字符====>3Bytes

   结论：

5. 编码与解码

   字符-----------------编码------------------------>>数字

   字符<<---------------解码-------------------------数字

   unicode二进制编码==>>utf-8二进制

   unicode二进制<<解码==uft-8二进制

6. 内存中固定使用unicode编码、我们可以改变的是数据由内存刷到硬盘时采用的编码(应该采用utf-8)

   unicode的特点：

   可以识别万国字符

   与各种字符编码的二进制数字都有对应关系

7. 解决乱码问题的核心：

   字符当初以什么编码存的、就应该以什么编码去读

   保证运行python程序的前两个阶段不乱码的解决方案：添加文件头

   在文件首行添加coding：文件当初存的字符编码

8. python 解释器默认的编码

   python3：默认utf-8

   python2：默认ASCII

9. python3的字符串类型在内存中存成unicode格式的二进制

   补充

   x = '上'
   #unicode的二进制------编码encode------->gbk格式的二进制
   res = x.encode('gbk')
   print(res,type(res)) #b'\xc9\xcf' <class 'bytes'>
   
   #unicode的二进制<------解码decode-------gbk格式的二进制
   m = res.decode('gbk')
   print(m) #上