字符编码

1.单位换算：

1Bytes=8bit

1KB=1024Bytes

1MB=1024KB

1GB=1024MB

1TB=1024GB

 

2.发展史：

阶段一：

ASCII：

一个bytes代表一个字符（英文符／键盘上的所有其他字符）

1bytes=8bit   

 

阶段二：中国人定制了GBK:

2bytes代表一个字符

 

阶段三：unicode

2bytes代表一个字符

UTF-8:

英文1bytes代表一字符;中文是3bytes代表一个字符

 

unicode---->优点：字符转换为二进制的速度快，缺点：占用空间大

utf-8---->优点：精准，节省空间；缺点：转换速度慢

 

3.内存中使用的编码是unicode,用空间换时间，保证尽可能快的运行

  硬盘中使用的编码是utf-8,网络i/o延迟或磁盘i/o延迟要大于utf-8转换延迟。

 

4.字符编码的使用：

文件以什么编码保存就用什么编码读取，不然很容易乱码

乱码分两种情况：

 1).保存时乱码：文件中有多国文字，以单一的编码存储就会产生乱码。例：文件中有英文，中文，韩文，单一的用shift jis,存储时就会出错。

 2).读取时乱码：用utf-8保存，用gbk读取就会乱码

 

5.程序的执行：

  1).启动python解释器

  2).python解释器相当于文本编辑器，负责打开文件。即讲文件读取到内存。（python解释器会读取文件的第一行内容，#coding:utf-8，来决定以什么编码格式来读入内存，这一行就是来设定python解释器这个软件的编码使用的编码格式）

   python2：默认ASCII   python3:默认utf-8

  3).读取已经加载到内存的代码（unicode编码的二进制），然后执行

 

6.python2与python3的区别：

 1.)python2中有两种字符串类型：str&unicode,str=bytes.

    

    str:是编码后到bytes,只能decode（'gbk/utf-8'）回字符串

    unicode：unicode类型的字符串是以unicode的格式存放到新的内存空间，只能encode('')回字符串

2).python3有两种字符串类型：str&bytes，默认str

   str是unicode----->encode

   bytes是bytes---->encode