十、字符编码

储备知识点:
1. 计算机系统分为三层:
应用程序
操作系统
计算机硬件

2. 运行python程序的三个步骤
1. 先启动python解释器
2. 再将python文件当作普通的文本文件读入内存
3. 解释执行读入内存的代码,开始识别语法

字符编码
1. 什么是字符编码
字符编码表: 人类的字符<------------>数字

1Bytes=8bit
1B=8b 1字节等于8个二进制位

ASCII码:只能识别英文字符,1英文字符=8bit
用8个二进制bit(比特位)位表示一个英文字符

GBK:能识别汉字与英文,1汉字=16bit,1英文字符=8bit
Shift_JIS
Euc-kr

unicode:能够识别万国字符,1字符=2Bytes=16bit
两大特点:
1. 能够兼容万国字符
2. 与各个国家的字符编码都有映射关系
utf-8:是unicode的转换格式,1个英文字符=1Bytes 1汉字=3Bytes

重点理论:
1 编码与解码:
字符---编码-->unicode的二进制-------编码----->GBK的二进制
GBK的二进制-----解码-->unicode的二进制----解码->字符

2\ 解决乱码问题的核心法则:
字符用什么编码格式编码的,就应该用什么编码格式进行解码

3\ python解释器默认的字符编码
python2:ASCII
python3:UTF-8

通过文件头可以修改python解释器默认使用的字符编码
在文件首行写:#coding:文件当初存的时候用的字符编码

针对python2解释器中定义字符串应该:
x=u"上"
对于python3解释即便是x="上"不加u前缀也是存成unicode

在python3中
x='上' # '上'存成了uncidoe

unicode--------encode----------->gbk
res=x.encode('gbk') #res是gbk格式的二进制，称之为bytes类型

gbk(bytes类型)-------decode---------->unicode
y=res.decode('gbk') #y就是unicode

关于字符编码的操作：
1. 编写python文件，首行应该加文件头：#coding:文件存时用的编码
2. 用python2写程序，定义字符串应该加前缀u，如x=u'上'
3. python3中的字符串都是unicode编码的，python3的字符串encode之后可以得到bytes类型

2. 为何字符要编码
人类与计算机打交道用的都是人类的字符,而计算机无法识别人类的字符,只能识别
二进制,所以必须将人类的字符编码成计算机能识别的二进制数字.

 

3. 如何用字符编码