python学习09_bytes

一、bytes简介

1. 字符集和编码

0 1 ==> 101010101 ==> 二进制转化成十进制 == > 88
电脑如何储存文字信息
10000 < == > a
最早统一标准：ascii 决定了每一个符号对应的二进制编码
ascii 编排了128个文字符号，只需要7个0和1就可以表示了，01111111 => 1 byte => 8 bit（位）

ANSI => 一套标准，规定每个字符 16bit，2byte => 最多存放65536个符号
eg：00000000 01111111
到china，形成gb2312编码，（扩充）gbk编码（windows默认是这个）
到taiwan，形成big5编码
到japan，形成JIS编码

但同一编码在不同国家可能对应不同字符，因此出现了
unicode：万国码。
早起unicode并没有意识到中国这么多的文字量。USC-2 2个字节
后续进行扩充，USC-4 4个字节（32bit，4byte）
======= ↓===========
utf：可变长度的unicode，可以进行数据的传输和存储 -> 行书、草书、隶书
utf-8：最短的字节长度8
英文：8bit，1byte
欧洲文字：16bit，2byte
中文：24bit，3byte
utf-16：最短的字节长度16

总结：

1. ascii：8bit，1byte
2. gbk：16bit，2byte（windows默认）
3. unicode：32bit，4byte（没法用，只是一个标准）
4. utf-8：（mac默认）
   英文：8bit，1byte
   欧洲文字：16bit，2byte
   中文：24bit，3byte
5. gbk和utf-8不能直接就进行转化
   我军密码本 -> 文字 -> 敌军密码本

2. 字节bytes

2.1 程序员平时遇见的所有的数据最终单位都是字节byte

举例：

s = "周杰伦"
bs1 = s.encode("gbk")  # b'xxxx' bytes类型
bs2 = s.encode("utf-8")
print(bs1)
print(bs2)
print(type(bs1))
print(type(bs2))

返回结果：

2.2 字节转化

如何将一个gbk的字节转化成utf-8的字节？
先解码（变成文字符号（字符串）），再重新编码
举例：

bs = b'\xd6\xdc\xbd\xdc\xc2\xd7'
# 先变成文字符号（字符串）
s = bs.decode("gbk")  # 解码
bs2 = s.encode("utf-8")  # 重新编码
print(bs2)

总结：

操作	操作内容
str.encode(“编码”)	进行编码
bytes.decode(“编码”)	进行解码

特殊现象：

s = "你好abc呵呵哒"
print(s.encode("utf-8"))

返回结果里abc字母返回就是其本身，符合sacii标准的东西到哪里都能显示

ascii：a：01100001
gbk：a：00000000 01100001
实际上gbk两个字节前面的没用啊，后面跟ascii一样