python中的编解码
下面写的都是自我理解的，如有错漏，欢迎指正
本文主要涉及：unicode、utf-8、ascii码、b''、\u、\x 这些经常用的，之间的转换及含义
先来一些概念：
-
unicode、utf-8、ascii是编码类型，由于计算机只识别0和1，所以自然界的问题，在计算机中处理，需要编码成这些类型。
-
ascii码是最开始的，美国人用的包含26个字母及其他的一些符号的，只有1个字节。
-
unicode是包含了其他国家，例如中文，韩文，日文等的一些，通常有2个字节，有些有4个字节。
-
utf-8是本着节约的精神，在unicode的基础上做优化的，兼容ascii码。
1 python2和python3的字符串默认编码
1.1 通过ord获取字符的码号（python3）
1.2 交互模式下的显示中文（python3）
| 直接写字符串 | 使用\u的形式 | 使用u''的形式 | ||
|---|---|---|---|---|
|
>>> '你好'
'你好'
|
>>> u'\u4f60\u597d'
'你好'
|
>>> u'你好'
'你好'
|
>>> u'你好'.encode('utf-8')
b'\xe4\xbd\xa0\xe5\xa5\xbd'
|
1.3 创建一个简单的python文件
分别调用python2和python3进行观察
作者结论：
-
python3默认使用unicode编码字符串，而python2使用的是ascii码
-
我认为文件开头的encoding='utf-8'应该只需要在python2中使用（还没测试）
-
unicode通常为2个字节，有时候为4个字节（不知道是如何区分的呢？）
1.4 如何区分unicode的2字节和4字节字符？（# 没有做测试）
在网上看到的一句，4字节字符的前两个字节范围是d800-dbff，后两个字节范围是dc00-dfff
2 unicode与utf-8与b''
\u表示unicode编码
\x为16进制
b''为python中的byte表示，一般用于网络传输
2.1 三者的转换
三者的关系，可以通过下图观察。
作者结论：
-
encode将字符串编码成了'utf-8'的格式，成了一个个字节，一般我们打开文件（open），可能会指定encoding=utf-8，表示文本是以此编码格式进行存储在硬盘中的。
-
unicode不等同于utf-8
-
可以看到上面的从unicode的四字节，变成了utf-8的六字节，所以也论证了个说法，即在英文多的情况下用utf-8比较节省，中文多的情况下unicode可能才更节省。
3 unicode兼容ascii码的测试
unicode兼容ascii码，所以只需要在前面补'0'就可以打印出对应的值
-
\x为十六进制，后面紧跟一个字节，一个字节8位，2**8=256=16*16，所以后面跟两个16进制字母
-
\u通常为两个字节，所以后面是4个16进制字母
-
b''流用于在网络中传输，都是单个字节的，收端使用相应的编码进行解码。
4 python的显示自动优化
|
>>> '\x61\x62\x63'.encode('utf-8')
b'abc'
|
>>> 'abc'.encode('utf-8')
b'abc'
|
>>> '你好'.encode('utf-8')
b'\xe4\xbd\xa0\xe5\xa5\xbd'
|
理论上来说，使用了encode方法，那应该返回字节码才对，但返回的仍然是原本的'abc'，这其实是因为python做了展示的优化，能用ascii码表示的字符，都会如此展示（ps：我个人觉得还不如不展示，容易使人迷惑）。如果是中文的话，就仍会返回\x这种形式
