查询字节串编码类型的模块chardet，及编码问题

这个模块需要安装

wget https://files.pythonhosted.org/packages/fc/bb/a5768c230f9ddb03acc9ef3f0d4a3cf93462473795d18e9535498c8f929d/chardet-3.0.4.tar.gz

解压后 sage setup.py install

chardet可以查询字节串的编码方式

使用前先声明

import    chardet

使用方法：

x=chardet.detect(abc)
print(x)

1.查询系统默认的编码类型

sys.getdefaultencoding()

python3默认是utf-8，python2默认是ascii

2. 关于编码的理论

但凡考虑到字符串的存取，都需要考虑编码问题。

定义：人类能够识别的字符，例如中文，英文，等，而计算机能识别的，只有二进制数字。编码，就是一套字符和二进制数字的映射表，起着翻译的作用。

字符--》 unicode--》二进制，这个过程称为编码，即encode

二进制--》unicode--》字符，这个过程称为解码，即decode

 x="中国"

a=x.encode('utf-8')

此时，a是bytes类型，即utf-8编码的二进制。

b=a.decode('utf-8')

此时，b=x

 3.编码的历史

6.字符编码的发展史

阶段一：现代计算机起源于美国，最早诞生也是基于英文考虑的ASCII

　　    ASCII:一个Bytes代表一个字符（英文字符/键盘上的所有其他字符），1Bytes=8bit，8bit可以表示0-2**8-1种变化，即可以表示256个字符

　　　　ASCII最初只用了后七位，127个数字，已经完全能够代表键盘上所有的字符了（英文字符/键盘的所有其他字符）

　　　　后来为了将拉丁文也编码进了ASCII表，将最高位也占用了

阶段二:为了满足中文，中国人定制了GBK

　　GBK:2Bytes代表一个字符，为了满足其他国家，各个国家纷纷定制了自己的编码，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里

阶段三：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。

于是产生了unicode，　统一用2Bytes代表一个字符，　2**16-1=65535，可代表6万多个字符，因而兼容万国语言

但对于通篇都是英文的文本来说，这种编码方式无疑是多了一倍的存储空间（二进制最终都是以电或者磁的方式存储到存储介质中的）

于是产生了UTF-8，对英文字符只用1Bytes表示，对中文字符用3Bytes

需要强调的是：

　　unicode：简单粗暴，多有的字符都是2Bytes,优点是字符--数字的转换速度快；缺点是占用空间大。

　　utf-8:精准，可变长，优点是节省空间；缺点是转换速度慢，因为每次转换都需要计算出需要多长Bytes才能够准确表示。

1.内存中使用的编码是unicode，用空间换时间（程序都需要加载到内存才能运行，因而内存应该是越快越好）

2.硬盘中或网络传输用utf-8，保证数据传输的稳定性。