[ python ] 字符编码

字符编码

  这里主要描述以下三种编码方式:

  (1)ASCII

  (2)unicode

  (3)uft-8

  (4)gbk

 

ASCII 码

  在计算机内部,所有的信息最终都是一个二进制值。每一个二进制位(bit)有0和1两种状态,因此 8 个 二进制位就可以组合成 256 种状态,这被称为一个字节(byte)。也就是说,一个字节一共可以用来表示 256种不同的状态,每一个状态对应一个符号,就是 256 个符号,从 00000000 到 11111111

  美国定制了一套字符编码,对英语字符与二进制位之间的关系,做了统一规定。这被称为 ASCII 码,一直沿用至今。

 

  一个字符用 1 个字节表示  1 byte = 8 bit

  ASCII 码只包含字母和英文中的特殊符号,不包括汉字;

 

unicode (万国码)

  世界上存在很多种不同的编码,同一个二进制数字可以被解释成不同的符号。因此,想要打开一个文本文件,就必须知道它的编码方式,否则用错误的编码方式打开就会出现乱码。如果有一种编码,将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码,那么乱码问题就会消失。这就是 unicode 万国码的由来,这是一种所有符号的编码。

 

  字母:

    一个字母等于 4 个 byte = 32 bit

  汉字:

    一个字母等于 4 个 byte = 32 bit

  

1. unicode 的问题

  需要注意的是, unicode 只是一个字符集,它规定了符号的二进制代码,却没有规定这个二进制代码应该如何存储。

  (1)如何才能区分 unicode 和 ASCII ? 计算机怎么知道三个字节表示一个符号,而不是分别表示三个符号呢?

  (2)英文在 ASCII 码中,只需要一个字节表示就够了,如果采用 unicode 统一规定,每个符号用三个或四个字符表示,这对于存储来说是极大的浪费,文本文件的大小胡因此大出二三倍。

 

UTF-8 

  互联网的普及,强烈要求出现一种统一的编码方式。utf-8 就是在互联网上使用最广的一种 unicode 的实现方式。

  字母:

    一个字母等于 2 byte = 8 bit

  汉字:

    一个中文等于 3 byte = 24 bit

 

GBK

  包含全部中文字符,utf-8则包含全世界所有国家需要用到的字符;

  字母:

    一个字母 1 byte = 8 bit

  汉字:

    一个汉字 2 byte = 16 bit

 

 =、==、is 三者的使用说明

1. = 赋值

例子:

s1 = 'hkey'
s2 = 'xiaofei'

 

2. ==  比较值是否相等

print( 1 == 2)

# 执行结果:
# False

 

3. is 比较内存地址

s1 = 6
s2 = 6

print(s1 is s2)

# 执行结果:
# True

s11 = 'adfadsasdfasdff'
s22 = 'adfadsasdfasdff1'

print(s11 is s22)

# 执行结果:
# False

 

posted @ 2018-09-14 16:16  hukey  阅读(301)  评论(0编辑  收藏  举报