八、python开发之字符集

一、字符集的历史：

1、ASCII码，占据一字节，主要显示英文，0~256种编码格式英文占据了0~127种

2、GB2312，由于计算机传入到中国，发现中文的种类太多，剩下的128字节并不能将所有的中文编码显示，所以衍生出GB2312，其中包含了7000多个汉字

3、GBK，由于后来发现更多的汉字，所以将GB2312扩展成GBK，新增加了20000多的汉字

4、GB18030，由于后来少数民族也用上了电脑，所以继续扩展GBK的内容，又加了几千个少数民族的文字

5、UNICODE，由于各个国家都有一套自己的编码格式，所以各个国家的系统都不兼容别国的系统，此时一个叫ISO（国际标准化组织）解决了这个问题，生成了一个“UNICODE”编码，简称万国码，由两个字节表示一个字符，可收录65535中字符

6、UTF-8，由于UNICODE中英文和中文都占据两个字节，ASCII表示使用UNICODE并不高效，所以在此基础上衍生出了UTF-8，在UTF-8 中英文字符占据一个字节，而中文字符占据三个字节。

 

 

 

二、python中字符集的转换：

 

 

 

三、python中字符编码之间的转换：

1、定义一个变量（在python2.x中字符集默认为ascii，python3.x中默认为unicode）

Char = "my name is 蔡"

print(Char)

 

2、将unicode编码格式为utf-8（encode需要指定unicode转换成什么字符集）

Char1 =(Char.encode('utf-8'))

print(Char1)

 

3、 将utf-8格式转换成unicode（decode需要指定什么字符集转换成unicode）

Char2 =(Char1.decode('utf-8'))

print(Char2)

 

4、将unicode转换成gbk

Char3 =(Char2.encode('gbk')

print(Char3)

 

5、将utf-8转换成gbk

Char4 =(Char1.decode('utf-8').encode('gbk'))

print(Char4)