13.Python之字符编码

Python之字符编码

1. 字符编码

   • 字符编码记录的是二进制与文字的对应关系。

2. 常见的字符编码

   • ASCII码：包含英文字母、数字和特殊字符与二进制的的对应关系。一个字符占用1个字节。

     • a：01000001

   • GBK：包含本国文字、英文字母、数字和特殊字符与二进制的对应关系。一个英文字符占用1个字节，一个中文字符占用2个字节。

     • a：01000001
     • 中：01001001 01000010

   • Unicode（万国码）：包含全世界的所有文字、数字和特殊字符与二进制的对应关系。一个字符占用4个字节。

     • a：01000001 01000010 01000011 00000001
     • 中：01001001 01000010 01100011 00000001

   • UTF-8：包含全世界所有的文字、数字和特殊字符与二进制的对应关系。一个英文字符占用1个字节，一个欧洲字符占用2两字节，一个亚洲字符占用3个字节。

     • a：01000001
     • To（欧洲字符）：01000001 01000010
     • 中（亚洲字符）：01001001 01000010 01100011

     知识点：在计算机内存中，统一使用Unicode编码，当需要将数据保存到硬盘或需要使用网络传输的时候，就转换为非Unicode编码，例如：Linux上的UTF-8编码或者Windows上的GBK编码。Python中所有的数据类型在内存中都使用Unicode编码，当需要存储到硬盘或使用网络传输时，需要将内存中Unicode编码的数据类型转换成非Unicode编码的bytes数据类型

3. bytes数据类型

   • bytes 函数返回一个新的 bytes 对象，该对象是一个 0 <= x < 256 区间内的整数不可变序列。它是 bytearray 的不可变版本。主要用于文件操作和网络编程。

4. bytes数据类型的转化

   • 字符串与bytes类型的转化

     # 字符串转化bytes
     s_1 = "abc"
     s_2 = "字符串"
     b_1 = s_1.encode("UTF-8")
     b_2 = s_2.encode("UTF-8")
     print(b_1, type(b_1))
     print(b_2, type(b_2))
     '''
     输出结果：
     b'abc' <class 'bytes'>
     b'\xe5\xad\x97\xe7\xac\xa6\xe4\xb8\xb2' <class 'bytes'>
     '''
     # 字符串的中文和英文的bytes表现形式不一样
     
     # bytes转换字符串
     b_1 = b"abc"
     b_2 = b'\xe5\xad\x97\xe7\xac\xa6\xe4\xb8\xb2'
     s_1 = b_1.decode("UTF-8")   # 用什么编码类编码的，也要用什么编码类型解码。
     s_2 = b_2.decode("UTF-8")
     print(s_1, type(s_1))
     print(s_2, type(s_2))
     '''
     输出结果：
     abc <class 'str'>
     字符串 <class 'str'>
     '''