python 编码

1.字符编码简介：

1.1 ASCII ：

ASCII（发音： /ˈæski/ ass-kee^[1]，American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统。它主要用于显示现代英语，而其扩展版本EASCII则可以部分支持其他西欧语言，并等同于国际标准ISO/IEC 646。（维基百科）

 ASCII码在python中的使用：

　　1.python 2.7中解释器默认的字符编码是ascii

　　2.支持的字符有：英文字母，部分西欧字母，数字，标点符号及部分特殊字符，不支持中文。

　　3.一个ASCII码字符使用一个字节，8位

1.2 GBK:

汉字内码扩展规范，称GBK，全名为《汉字内码扩展规范(GBK)》1.0版，由中华人民共和国全国信息技术标准化技术委员会1995年12月1日制订，国家技术监督局标准化司和电子工业部科技与质量监督司1995年12月15日联合以《技术标函[1995]229号》文件的形式公布。 GBK共收录21886个汉字和图形符号，其中汉字（包括部首和构件）21003个，图形符号883个。

GBK的K为汉语拼音Kuo Zhan（扩展）中“扩”字的声母。英文全称Chinese Internal Code Extension Specification。(维基百科)

GBK在python中的使用：

　　1.当读取编码格式为GBK的文件时，需要在读取时指定编码为GBK。

　　2.如果写入的文件全部都是中文的话，可以考虑选用GBK编码。

　　3.支持的字符有：中文，大部分韩文及日文，字母，数字，标点符号及特殊字符等。

　　4.一个GBK字符使用2个字节，16位

　　5.兼容ASCII

1.3 UNICODE：

Unicode（中文：万国码、国际码、统一码、单一码）是计算机科学领域里的一项业界标准。它对世界上大部分的文字系统进行了整理、编码，使得电脑可以用更为简单的方式来呈现和处理文字。

Unicode伴随着通用字符集的标准而发展，同时也以书本的形式^[1]对外发表。Unicode至今仍在不断增修，每个新版本都加入更多新的字符。目前最新的版本为2018年6月5日公布的11.0.0^[2]，已经收录超过13万个字符（第十万个字符在2005年获采纳）。Unicode涵盖的数据除了视觉上的字形、编码方法、标准的字符编码外，还包含了字符特性，如大小写字母。(维基百科)

　　1.python3 中字符显示的编码就是unicode

　　2.基本支持所有的字符类型（万国码）

　　3.一个UNICODE字符使用4个字节，32位

　　4.UNICODE不支持文件传输和文件存储

　　5.python的字符串默认是unicode类型，可以理解unicode为一个中间转换的规范，它可以识别其他所有的编码，decode（解码）是将其他编码转换为unicode（可识别字符），encode（编码）是将unicode转换为其他编码的byte数据。

　　6.兼容ASCII

1.4 utf-8

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，也是一种前缀码。它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容，这使得原来处理ASCII字符的软件无须或只须做少部分修改，即可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或发送文字的应用中，优先采用的编码。(维基百科)

　　1.python3 源代码编码及解释器默认编码都为utf-8

　　2.可变的unicode编码，最低长度一个字节，根据具体字符分配字符长度，

　　　　英文字母，数字 分配一个字节，8位

　　　　中文 分配3个字节　　24位

总结： 广义的来理解UNICODE 是一个标准，定义了一个字符集和一系列的编码标准，即utf-8,utf-16等.

　　　ASCII,GBK,UTF-8这些才是编码规则，将字符串(unicode,python3中字符串的编码就是unicode)通过编码转换为bytes的过程叫做encode，将bytes通过指定编码转换为字符串(unicode)的过程教程decode.

　　3.兼容 ASCII

 

2编码解码

encode 和 decode默认不指定编码，编码为utf-8

In [1]: a = "python之禅"
In [2]: a.encode()
Out[2]: b'python\xe4\xb9\x8b\xe7\xa6\x85'
In [3]: b = a.encode()
In [4]: b
Out[4]: b'python\xe4\xb9\x8b\xe7\xa6\x85'
In [5]: b.decode()
Out[5]: 'python之禅'

encode : 将字符串编码成进制字节

decode：将二进制字节解码成字符串

不可在编解码过程中指定编码为unicode，因为unicode本身不是一种编码规则，它是一种字符集，utf-8,16,32才是其衍生出来的编码规则，可以理解其为一个中间件。

python3 中str其实是可以和unicode等价的，所以说str通过编码进行编解码的过程其实就是 unicode与其他编码进行转换的过程。

理论上是你用什么编码进行编码，就需要用什么编码进行解码。

我们可以通过unicode进行不同编码间的转换。