字符编码

一：字符编码

　　1、字符编码

• 什么是字符编码：将人能识别的字符转换为计算机能识别的01二进制的过程就是字符编码，转换的规则就是字符编码表

• 常用的编码表：ASCII、GBK、Unicode、UTF-8

　　　　了解：编码表的发展史

　　　　1. ascii（ASCII）：字母、数字、英文符号与计算机01标识符的对应关系
　　　　　思考：如何将128个字符用01完全标签
　　　　　二进制：11111111 => 255 => 1bytes(1字节) => 8个二进制位

　　　　2.中国：研究汉字与计算机01标识符的对应关系：gb2312 => GBK(***) => GB18030
　　　　　日本：Shift_JIS
　　　　　韩国：Euc-kr

　　　　3. 制造一个可以完成万国字符与计算机01标识符的对应关系的编码表
　　　　　编码表：unicode表
　　　　　py2：ascii，没有按万国编码，原因py2要诞生先有万国编码
　　　　　py3: utf-8, 采用万国编码来解释文本内容

　　　　

　　　　# 思考：unicode与utf-8什么关系
　　　　unicode：用2个字节来存储汉字，用2个字节来存储英文字母，占有空间较多，读取效率极高
　　　　utf-8：用3-6个字节来存储汉字，用1个字节来存储英文字母，占有空间较少，读取效率低
　　　　总结：内存都是按unicode存储数据，硬盘和cpu采用utf-8来存取数据
　　　　#“abc你好”

　　　　unicode与utf-8采用的是一张unicode编码表，utf-8是unicode编码表体现方式，变长存储数据。变长优点：（大量数据都是以英文存在，所以utf-8空间更小）传输速度更快

• 编码操作：编码encode()、解码decode()

　　　　s = '123呵呵'

　　　　n_b = bytes(s, encoding='utf-8')
　　　　print(n_b)

　　　　b = b'123\xe5\x91\xb5\xe5\x91\xb5'
　　　　n_s = str(b, encoding='GBK')
　　　　print(n_s)

　　　　在清楚原格式是字符串还是二进制时：

　　　　# 将u字符串编码成b字符串

　　　　print(u'你好'.encode('utf-8'))
　　　　# 将b字符串解码成u字符串
　　　　print(b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode('utf-8'))

　　 2、字节与字符

• 三种字符串：

  u''  :文本字符串，

  r''  :原义字符串，不对字符串内存做任何操作(eg:\n的转化)：s3 = r'abc你好\n不好'

  b''  :二进制字符串，是用来数据传输的，是字符的二进制体现（如视频资源可以转化为二进制字符串，不翻转为视频资源，则就是普通字符串），它以字节为最小存储单位存放数据。注意：不是所有的数据编码为二进制字符串都是采用UTF-8编码表的，只有文本内容是，像视频、音频、图片等都有特定的编码方式（他们在编码之后，如果没有解码成本来的格式，就只是普通的二进制字符串）

• # 字符与ASCII之间转化
  res = ord('A')
  print(res)
  res = chr(65)
  print(res)
  # ascii：DBCS双字节存储可以存放中文等一些文字与字符，可以完成字符与整数(ascii表中整数)的转化
  print(ord('⑩'), chr(9323))