字符编码

 

字符编码针对的是文字，只跟文本文件有关

 

文本编辑器的输入输出是两个过程

　　内存 >>> 硬盘

　　硬盘 >>> 内存

人在操作计算机的时候输入的是人类能看懂的字符，但计算只能识别二进制数据：

　　输入的字符    >>>(字符编码表)>>>   二进制数字

 

ASCII码表：

　　用八位二进制表示一个字符 0000 0000 ；1111 1111

GBK：

　　用2Bytes表示一个中文字符，1Bytes表示一个英文字符 0000 0000 0000 0000；1111 1111 1111 1111 ，最多有65535个字符

万国码 unicode

　　统一用2Bytes表示所有字符

　　1.浪费存储空间

　　2.io次数增加，程序运行效率低

　　3.当内存中的unicode编码格式数据存到硬盘的时候，会按照utf-8编码

　　会将unicode的英文字符由原来的2Bytes变成1Bytes
　　会将unicode中文字符由原来的2Bytes变成3Bytes

ps：现在的计算机内存都是 unicode，硬盘都是utf-8

（需要掌握的）
unicode的两个特点
    1.用户在输入的时候，无论输什么字符都能够兼容万国字符
    2.其他国家编码的数据由硬盘读到内存的时候unicode与其他各个国家的编码都有对应关系
    
(必须掌握的)
    数据由内存保存到硬盘
    1.内存中的unicode格式二进制数字    >>>>编码(encode)>>>>>              utf-8格式的二进制数据
    
    硬盘中的数据由硬盘读到内存
    1.硬盘中的utf-8格式的二进制数据    >>>>>解码(decode)>>>>>             内存中unicode格式的二进制数据

ps：不乱码：文本文件以什么编码的就以什么解码

python2 将py文件读入解释器默认ASCII
　　在用python2解释器开发的时候，中文前会加‘u’，表示用unicode

python3 将文本文件读入解释器默认utf-8

python3 中字符串默认就是unicode编码格式的二进制数

重点（*****）：

x = '上'
res1 = x.encode('gbk')  # 将unicode编码成可以存储和传输的utf-8的二进制数据
print(res1)  # b'\xe4\xb8\x8a'
# bytes类型  字节串类型  你就把它当成二进制数据即可
res2 = res1.decode('gbk')  # 将硬盘中的utf-8格式的二进制数据解码成unicode格式的二进制数据
print(res2)