python学习--字符编码问题

计算机只能处理数字，处理文本要先把文本转换成二进制文件。8个二进制位为一个字节byte。00000000

三种字符编码格式：

1、ASCII编码：美国人发明，用一个字节表示所有的大小写英文字母及标点符号。

2、Unicode编码：万国码，包含大部分国家的编码。通常是两个字节。

3、utf-8编码：（廖老师）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，在存储和传输上就十分不划算。所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。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。

计算机内存中使用的是Unicode编码

 

对单个字符，python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符

print(ord('a'))   #97
print(chr(97))   #a

bytes类型的数据用带b的前缀表示 b'ABC' 表示三个字节

encode()字符串通过encode可以编码为指定的字节 

t1='你好'.encode('utf-8')
print(t1)  # b'\xe4\xbd\xa0\xe5\xa5\xbd'

decode()字节通过decode解码为字符串

t2=b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode('utf-8')
print(t2) #你好

len()方法，如果是字符就获取字符的长度，如果是字节就获取字节的长度