二次编码

二次编码

编码回顾

ascii : 英文,数字,符号
    英文: 1个字节,8位

gbk   : 英文,数字,符号,中文
    英文: 1个字节,8位
    中文: 2个字节,16位

unicode : 英文,数字,符号,中文
    英文: 4个字节,32位
    中文: 4个字节,32位

utf-8 : 英文,数字,符号,中文
    英文: 1个字节,8位
    欧洲: 2个字节,16位
    亚洲: 3个字节,24位

二次编码

在 python 3 的内存中使用的是 Unicode 编码，而硬盘中存储时使用的是用户选择的编码方式^[1]。这样一来，就需要进行 Unicode 和其他编码方式的转变，也就涉及到编码和解码的问题。

编码是将字符转化为二进制的形式，使用的是 .encode() 方法：

s = "你好"
s1 = s.encode("utf-8")       # 编码
print(s1)

输出的内容为： b'\xe4\xbd\xa0\xe5\xa5\xbd'

解码是将二进制形式的数据转换成位符，使用的是 .decode() 方法：

s = b'\xe4\xbd\xa0\xe5\xa5\xbd'
s2 = s.decode('utf-8')
print(s2)

输出的内容为： 你好

需要注意的是，用什么方式进行编码，就需要用什么方式进行解码。解码方式使用错误，轻则乱码，重则报错。

编码的用处主要在两个方面：

1. 存储，涉及到文件操作
2. 传输，涉及到网络编程

---

1. 对于中文来说，主要是 gbk 和 utf-8 ↩︎