编码

编码

一、编码种类 

1. ASCII

• 基于拉丁字母的一套电脑编码系统
• 其最多只能用8位来表示(一字节)

Bin(二进制)	Dec(十进制)	缩写/字符	解释
01000001	65	A	大写字母A
01100001	97	a	小写字母a

2. GBK

• 国标码(GB2312)的扩展码
• 一个字符占用16bit，两字节
• 最多可容纳2**16 = 65536字符

• 程序无法跨平台使用

3.  Unicode

• 万国码，目的把全世界所有国家的文字信息进行编码
• 一个字符占用32位，四字节

4. UTF-8

• 可变长度的编码
• 每个字符占用的字节数不定，根据文字内容进行编码。

不同字符占用字节数：

• 英文：1字节
• 欧洲文字：2字节
• 中文：3字节

二、单位转换

• 8bit = 1 byte
• 1024byte = 1KB
• 1024KB = 1MB
• 1024MB = 1GB
• 1024GB = 1TB
• 1024TB = 1PB
• 1024PB = 1EB
• 1024EB = 1ZB
• 1024ZB = 1YB
• 1024YB = 1NB
• 1024NB = 1DB

三、编码和解码

• python2中默认使用的是ASCII码。所以不支持中文。如果需要在Python2中更改编码。需要在文件的开始编写：

# _*_ encoding:utf-8 _*_

 

• python3中，内存中使用的是unicode码。

    在python3内存中，在程序运行阶段，使用的是unicode编码。因为unicode是万国码。什么内容都可以进行显示。那么在数据传输和存储时由于unicode比较浪费空间和资源。需要把unicode转存成UTF-8或GBK进行存储。

    编码之后的数据是bytes类型的数据。

1. bytes的表现形式：

• 英文：英文的表现形式和字符串相差不大，前面多个"b"
• 中文：中文编码之后的结果根据编码的不同，编码结果也不同，一个中文的UTF-8编码是3个字节，一个GBK的中文编码是2个字节。

a = "hello"
b = "中"

print(a.encode("utf-8"))  # b'hello'
print(b.encode("utf-8"))  # b'\xe4\xb8\xad'
print(b.encode("gbk"))    # b'\xd6\xd0'

 

2.编码和解码

• encode()：编码
• decode()：解码

    以何种编码编码，就须以该种编码解码。否则，解码不成功，得不到想要的内容。

a = "编码"
print(a.encode("utf-8")) # b'\xe7\xbc\x96\xe7\xa0\x81'

b = b'\xe7\xbc\x96\xe7\xa0\x81'
print(b.decode("utf-8"))  # 编码

    不同编码之间的转换：

# GBK 转换成 UTF-8
s = "我是文字"
bs = s.encode("gbk")

# 把GBK转换成unicode，也就是解码
s = bs.decode("gbk")

# 重新编码成UTF-8
bss = s.encode("utf-8")

print(bss)