python 的编码方式

🌞欢迎来到python的世界 
🌈博客主页：卿云阁 

💌欢迎关注🎉点赞👍收藏⭐️留言📝

🌟本文由卿云阁原创！

🌠本阶段属于练气阶段，希望各位仙友顺利完成突破

📆首发时间：🌹2021年4月3日🌹

✉️希望可以和大家一起完成进阶之路！

🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！

---

目录

🍈 一、⼆进制运算

 🍉二. 字符编码

🍊三，GB2312 & GBK

🍋四、Unicode和UTF-8

🍇图片、声音、视频在计算机中是如何存储的

🍈 一、⼆进制运算

计算机是靠电流驱动的，科学家们是如何做到让电流能理解数字、⽂字、图⽚等⼈类语⾔的呢？

       科学家发现，可以通过控制电压把电流分成高电压、低电压， 高电压可以代表⼀种状态，低电压⼜可代 表另⼀状态。这样计算机就可以识别2 种状态了。 就像⼀个灯泡，开灯可以代表 1 ，关灯可以代表 0 ，就 是2 种状态 。如果多个灯泡的组合，就可以表达更多的值啦。这跟数学⾥的⼀个叫⼆进制的东东很像， ⼆进制只有0 和 1 两个数，想表达更⼤的值 就往左补位，多个 0101010 就可以表达更⼤的值 啦。 ⼆进制 是逢2 进 1 ， 跟我们用的⼗进制逢 10 进 1 ⼀个原理。 于是科学家们，就⽤ 2 进制做为计算机可识别的最底层语言啦。

---

 🍉二. 字符编码

我们自己强行约定了⼀个表，把⽂字 和数字对应上，这张表就相当于翻译，我们可以拿着⼀个数字来对比对应表找到相应的文字，反之亦然。

ASCII 编码

⼀个空格对应的数字是0 翻译成⼆进制就是0（注意字符'0'和整数0是不同的）
⼀个对勾√对应的数字是251 翻译成⼆进制就是11111011

假如我们要打印两个空格⼀个对勾 写作⼆进制就应该是 0011111011 ， 但是问题来了，我们怎 么知道从哪⼉到哪⼉是⼀个字符呢？

       正是由于这些字符串⻓的⻓，短的短，写在⼀起让我们难以分清每⼀个字符的起⽌位置，所以聪明的⼈ 类就想出了⼀个解决办法，既然⼀共就这255 个字符，那最⻓的也不过是 11111111 ⼋位，不如我们就把所有的⼆进制都转换成8 位的，不⾜的⽤ 0 来替换。 这样⼀来，刚刚的两个空格⼀个对勾就写作000000000000000011111011 ，读取的时候只要每次读 8 个 字符就能知道每个字符的⼆进制值啦。

计算机容量单位

bit 位，计算机中最⼩的表示单位
8bit = 1bytes 字节，最⼩的存储单位，1bytes缩写为1B
1KB=1024B 
1MB=1024KB 
1GB=1024MB # 电影
1TB=1024GB # 移动硬盘
1PB=1024TB 
1EB=1024PB
1ZB=1024EB
1YB=1024ZB
1BB=1024YB

---

🍊三，GB2312 & GBK

英⽂问题是解决了， 我们中⽂如何显示呢？ 美国佬设计 ASSCII 码的时候应该是没考虑中国⼈有⼀天也 能⽤上电脑， 所以根本没考虑中⽂的问题，上世界80 年代，电脑进⼊中国，把砖家们难倒了，妈的你 个⼀ASSCII 只能存 256 个字符，我常⽤汉字就⼏千个，怎么玩？？？勒紧裤腰带还苏联贷款的时候我们 都挺过来啦，这点⼩事难不到我们， 既然美帝的ASCII 不⽀持中⽂，那我们⾃⼰搞张编码表不就⾏了， 于是我们1980 年设计出了 GB2312 编码表，⻓成下⾯的样⼦。⼀共存了 6763 个汉字。

        这个表格⽐较⼤，像上⾯的⼀块块的⽂字区域有 72 个，这导致通过⼀个字节是没办法表示⼀个汉字的 (因为⼀个字节最多允许 256 个字符变种，你现在 6 千多个，只能 2 个字节啦， 2**16=65535 个变种 ) 。 有了gb2312 ，我们就能愉快的写中⽂啦。

      但我们写字竟然会出现中英混杂的情况，⽐如 “ 我是路⻜学城，我的英⽂名叫 Luffffycity.” ， 这种你怎么 办？这就要求你必须在gb2312 ⾥同时⽀持英⽂，但是还不能是 2 个字节表示⼀个英⽂字⺟。⼈家 ASCII ⽤⼀个字符，你⽤2 个，那⼀个 2mb ⼤⼩的英⽂⽂档只要⼀改编码，就⽴刻变成 4mb, 太坑爹，中国⼈你 有钱也不能这么造呀。 所以中国砖家们⼜通过神奇⼿段兼容了ASSCII, 即遇到中⽂⽤ 2 个字节，遇到英⽂ 直接⽤ASCII 的编码。怎么做到的呢？

如何区别连在⼀起的 2 个字节是代表 2 个英⽂字⺟，还是⼀个中⽂汉字呢？ 中国⼈如此聪明，决定， 如 果 2 个字节连在⼀起，且每个字节的第 1 位 ( 也就是相当于 128 的那个 2 进制位 ) 如果是 1 ，就代表这是个中 ⽂，这个⾸位是 128 的字节被称为⾼字节。 也就是 2 个⾼字节连在⼀起，必然就是⼀个中⽂。

你怎么如 此笃定？因为0-127 已经表示了英⽂的绝⼤部分字符， 128-255 是 ASCII 的扩展表，表示的都是极特殊的 字符，⼀般没什么⽤。所以中国⼈就直接拿来⽤了。 ⾃1980 年发布 gb2312 之后，中⽂⼀直⽤着没啥问题，随着个⼈电脑进⼊千家万户，有⼈发现，⾃⼰的 名字竟然打印不出来，因为起的太⽣僻了。 于是1995 年， 砖家们⼜升级了 gb2312, 加⼊更多字符，连什么藏语、维吾尔语、⽇语、韩语、蒙古语 什么的统统都包含进去了，。 这个编码叫GBK ，⼀ 直到现在，我们的windows 电脑中⽂版本的编码就是 GBK.

编码战国时代

很多国家都有自己的编码

解决乱码：

1. 中国电脑 上装⽇本 shift_jis

2. 让⽇本 游戏⼚商，⽤ gbk 编码

中国⼈在搞⾃⼰编码的同时，世界上其它⾮英语国家也得⽤电脑呀，于是都搞出了⾃⼰的编码，你可以 想得到的是，全世界有上百种语⾔，⽇本把⽇⽂编到Shift_JIS ⾥，韩国把韩⽂编到 Euc-kr ⾥， 各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语⾔混合的⽂本中，显示出来会有乱 码。之前你从玩个⽇本游戏，往⾃⼰电脑上⼀装，就显示乱码了。

这么乱极⼤了阻碍了不同国家的信息传递，于是联合国出⾯，发誓要解决这个混乱局⾯。

因此， Unicode 应运⽽⽣。 Unicode 把所有语⾔都统⼀到⼀套编码⾥，这样就不会再有乱码问题了。

---

🍋四、Unicode和UTF-8

Unicode 2-4 字节 已经收录 136690 个字符，并还在⼀直不断扩张中 …

Unicode 标准也在不断发展，但最常⽤的是⽤两个字节表示⼀个字符（如果要⽤到⾮常偏僻的字符，就 需要4 个字节）。现代 操作系统 和⼤多数编程语⾔都直接⽀持 Unicode 。

Unicode 有 2 个特点：

1. ⽀持全球所有语⾔

2. 可以跟各种语⾔的编码⾃由转换，也就是说，即使你 gbk 编码的⽂字 ，想转成 unicode 很容易。 为何unicode 可以跟其它语⾔互相转换呢？ 因为有跟所有语⾔都有对应关系哈，这样做的好处是可以让 那些已经⽤gbk或其它编码写好的软件容易的转unicode 编码 ，利于 unicode 的推⼴。 下图就是成unicode跟中⽂编码的对应关系新的问题⼜出现了：如果统⼀成Unicode 编码，乱码问题从此消失了。但是，如果你写的⽂本基本上全 部是英⽂的话，⽤Unicode 编码⽐ ASCII 编码需要多⼀倍的存储空间，由于计算机的内存⽐较⼤，并且 字符串在内容中表示时也不会特别⼤，所以内容可以使⽤unicode 来处理，但是存储和⽹络传输时⼀般 数据都会⾮常多，那么增加1 倍将是⽆法容忍的！！！ 为了解决存储和⽹络传输的问题，出现了Unicode Transformation Format ，学术名 UTF ，即：对

unicode 字符进⾏转换，以便于在存储和⽹络传输时可以节省空间 !

UTF-8 ： 使⽤ 1 、 2 、 3 、 4 个字节表示所有字符；优先使⽤ 1 个字节、⽆法满⾜则使增加⼀个字节，

最多 4 个字节。英⽂占 1 个字节、欧洲语系占 2 个、东亚占 3 个，其它及特殊字符占 4 个

UTF-16 ： 使⽤ 2 、 4 个字节表示所有字符；优先使⽤ 2 个字节，否则使⽤ 4 个字节表示。

UTF-32 ： 使⽤ 4 个字节表示所有字符；

总结： UTF 是为 unicode 编码 设计 的⼀种 在存储 和传输时节省空间的编码⽅案。

如果你要传输的⽂本包含⼤量英⽂字符，⽤ UTF-8 编码就能节省空间：

UTF-8 编码有⼀个额外的好处，就是 ASCII 编码实际上可以被看成是 UTF-8 编 码的⼀部分，所以，⼤量只⽀持ASCII 编码的历史遗留软件可以在 UTF-8 编码下继续⼯作。

搞清楚了 ASCII 、 Unicode 和 UTF-8 的关系，我们就可以总结⼀下现在计算机系统通⽤的字符编码⼯作⽅式：

在计算机内存中，统⼀使⽤ Unicode 编码，当需要保存到硬盘或者需要传输的时候，就转换为 UTF-8 编 码。 ⽤记事本编辑的时候，从⽂件读取的UTF-8 字符被转换为 Unicode 字符到内存⾥，编辑完成后，保存的 时候再把Unicode 转换为 UTF-8 保存到⽂件

---

🍇图片、声音、视频在计算机中是如何存储的

 

 

 

 

 

 以上图片选自字符、图像、声音、视频在计算机中的编码_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1Gv411w7cE/?spm_id_from=333.788.recommend_more_video.0