八、编码的初识和进阶

一、编码的初识

计算机存储文件，存储数据，以及将一些数据信息通过网络发送出去，存储发送数据什么内容？底层都是01010101.

编码相当于密码本

最早的密码本：

• ASCII码：只包含：英文字母，数字，特殊字符。

  0000 0001 ： a

  0000 0101 ： b

  8bit （位）== 1byte（字节）

  'hello123': 8byte

• gbk: 英文字母，数字，特殊字符和中文。国标

  一个英文字母： 0000 0001 ：                   a  1字节

  一个中文 中： 0000 0001 0100 0001 ：   中 2字节

• Unicode: 万国码：把世界上所有的文字都记录到这个密码本。

  起初一个字符用2个字节表示：

  0000 0001 0000 0011：                             a 2字节

  0000 0001 0100 0001 ：                           中 2字节

  后来为了涵盖全部文字：

  0000 0001 0000 0011 0000 0001 0000 0011：  a 4字节

  0000 0001 0100 0001 0000 0001 0000 0011： 中 4字节

  浪费空间，浪费资源。

• Utf-8:升级：最少用8bit1个字节表示一个字符。

  0000 0011                                                  a 1字节

  ​0000 0011 0000 0011                                欧洲 2个字节

  0000 0011 0000 0011 0000 0011              中： 3个字节

重点：

'中国12he' ： GBK: 8个字节

'中国12he' ： UTF-8: 10个字节

 

8bit = 1byte
1024byte = 1KB
1024KB = 1MB
1024MB = 1GB
1024GB = 1TB
1024TB = 1PB
1024TB = 1EB
1024EB = 1ZB
1024ZB = 1YB
1024YB = 1NB
1024NB = 1DB

比如：7.6MB ----> 7.6 * 1024 * 1024 * 8 bits

8bit （位）= 1byte（字节）       即1个字节=8个位

 

 

二、编码的进阶

1. 不同的密码本之间能否互相识别？ 不能

2. 数据在内存中全部是以Unicode编码的，但是当你的数据用于网络传输或者存储到硬盘中必须是以非Unicode编码（utf-8，gbk等等）

3. bytes

   • 英文：

     str： 'hello '

     ​ 内存中的编码方式： Unicode

     ​ 表现形式： 'hello'

     bytes ：

     ​ 内存中的编码方式： 非Unicode

     ​ 表现形式：b'hello'

   • 中文：

     str：

     
         内存中的编码方式： Unicode
     ​
         表现形式：'中国'
     ​
     bytes ： 
     ​
         内存中的编码方式： 非Unicode  # Utf-8
     ​
         表现形式：b'\xe4\xb8\xad\xe5\x9b\xbd'  

   • str ---> bytes 编码

     s1.encode('utf-8')

     s1.encode('gbk')

     
     #str ---> bytes
     s1 = '中国'
     b1 = s1.encode('utf-8')  # 编码
     print(b1,type(b1))  
     # b'\xe4\xb8\xad\xe5\x9b\xbd'
     ​
     b1 = s1.encode('gbk')  # 编码 
     # b'\xd6\xd0\xb9\xfa' <class 'bytes'>

   • bytes ---> str 解码

     （用什么编码编过去的，就是用什么编码解回来，否则报错）

     b1.decode('utf-8')

     
     b1 = b'\xe4\xb8\xad\xe5\x9b\xbd'
     s2 = b1.decode('utf-8')  # 解码
     print(s2)
     #中国

   • gbk---> utf-8

     先把gbk转化为Unicode，然后由Unicode转化为utf-8

     
     # gbk ---> utf-8
     b1 = b'\xd6\xd0\xb9\xfa'
     s = b1.decode('gbk')
     # print(s)   #中国（Unicode）
     b2 = s.encode('utf-8')
     print(b2)  # b'\xe4\xb8\xad\xe5\x9b\xbd'