再谈编码
一. is和==的区别
1. id()
通过id()我们可以查看到⼀一个变量量表⽰示的值在内存中的地址.
s = 'alex' print(id(s)) # 4326667072 s = "alex" print(id(s)) # 4326667072
lst = [1, 2, 4] print(id(lst)) # 4326685768 lst1 = [1, 2, 4] print(id(lst1)) # 4326684360
我们发现字符串的数据地址是⼀样的,⽽列表的数据地址是不一样的.
tup = (1, 2) tup1 = (1, 2) print(id(tup)) print(id(tup1))
结果:
2254418576840
2254418576904
可以看出,元组的数据地址也是不一样的
小数据池(常量池): 把我们使⽤过的值存储在小数据池中.供其他的变量使用. ⼩数据池给数字和字符串使⽤, 其他数据类型不存在 对于数字: -5~256是会被加到小数据池中的. 每次使用都是同一个对象. 对于字符串: 1. 如果是纯⽂字信息和下划线. 那么这个对象会被添加到小数据池 2. 如果是带有特殊字符的. 那么不会被添加到小数据池. 每次都是新的 3. 如果是单一字母*n的情况. 'a'*20, 在20个单位内是可以的. 超过20个单位就不会添加 到小数据池
注意:
(一般情况下): 在py⽂文件中. 如果你只是单纯的定义一个字符串. 那么一般情况下都是会 被添加到小数据池中的.
我们可以这样认为: 在使用字符串的时候, python会帮我们把字符串 进行缓存, 在下次使用的时候直接指向这个字符串即可. 可以节省很多内存
2.is和id的比较
is比较的就是id()计算出来的结果. 由于id是帮我们查看某数据(对象) 的内存地址. 那么is比较的就是数据(对象)的内存地址.
最终我们通过is可以查看两个变量使用的是否是同一个对象.
== 双等表示的是判断是否相等, 注意. 这个双等比较的是具体的值.而不是内存地址
s1 = "哈哈"
s2 = "哈哈"
print(s1 == s2) # True
print(s1 is s2) # True 原因是有小数据池的存在,导致两个变量指向的是同一个对象
l1 = [1, 2, 3]
l2 = [1, 2, 3]
print(l1 == l2) # True, 值是⼀一样的
print(l1 is l2) # False, 值是假的
总结:
is 比较的是地址 == 比较的是值
二. 编码的补充
编码回顾:
1. ASCII : 最早的编码. 里面有英文大写字母, 小写字母, 数字, 一些特殊字符. 没有中文, 8个01代码, 8个bit, 1个byte
2. GBK: 中文国标码, 里面包含了了ASCII编码和中文常用编码. 16个bit, 2个byte
3. UNICODE: 万国码, 里面包含了全世界所有国家文字的编码. 32个bit, 4个byte, 包含了了 ASCII
4. UTF-8: 可变长度的万国码. 是unicode的一种实现. 最小字符占8位
1.英⽂文: 8bit 1byte
2.欧洲⽂文字:16bit 2byte
3.中⽂文:24bit 3byte 综上,
除了了ASCII码以外, 其他信息不能直接转换.
在python3的内存中. 在程序运行阶段. 使用的是unicode编码. 那么在数据传输和存储的时候由于unicode比较浪费空间和资源,
需要把 unicode转存成UTF-8或者GBK进行存储.在python中可以把文字信息进行编码. 编码之后的内容就可以进行传输了.编码之后
的数据是bytes类型的数据.其实啊.还是原来的数据,只是经过编码之后表现形式发生了改变而已. bytes的表现形式: 1. 英文 b'alex' 英文的表现形式和字符串没什么两样 2. 中文 b'\xe4\xb8\xad' 这是一个汉字的UTF-8的bytes表现形式
编码和解码:
编码(encode)
字符串在传输时转化成bytes=> encode(字符集)来完成
s = "alex" print(s.encode("utf-8")) # 将字符串编码成UTF-8 print(s.encode("GBK")) # 将字符串编码成GBK
结果: b'alex'
b'alex' s = "中" print(s.encode("UTF-8")) # 中文编码成UTF-8 print(s.encode("GBK")) # 中文编码成GBK
结果: b'\xe4\xb8\xad'
b'\xd6\xd0
我们能看到.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.
解码(decode)
那么在对方接收的时候. 也是接收的bytes类型的数据. 我们可以使用decode()来进行解码操作. 把bytes类型的数据还原回我们熟悉的字符串:
s = "我叫李李嘉诚" print(s.encode("utf-8")) # b'\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a' print(b'\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a'.decod e("utf-8")) # 解码
编码和解码的时候都需要制定编码格式.
s = "我是⽂文字" bs = s.encode("GBK") # 我们这样可以获取到GBK的文字 # 把GBK转换成UTF-8 # ⾸首先要把GBK转换成unicode. 也就是需要解码 s = bs.decode("GBK") # 解码 # 然后需要进⾏行行重新编码成UTF-8 bss = s.encode("UTF-8") # 重新编码 print(bss)
