python基础之六：编码简介以及python3中的编码

Posted 2020-11-22 四方游览

1、常见的四种编码方式的编码过程：

ascii
　　　　A : 00000010 8位 一个字节
unicode

　　　　 A : 00000000 00000001 00000010 00000100 32位 四个字节
               中：00000000 00000001 00000010 00000110 32位 四个字节
utf-8

　　　　 A : 00100000 8位 一个字节
　　　　中 : 00000001 00000010 00000110 24位 三个字节
gbk

　　　　 A : 00000110 8位 一个字节
　　　　中 : 00000010 00000110 16位 两个字节
1)，各个编码之间的二进制，是不能互相识别的，会产生乱码。
2)，文件的储存，传输，不能是unicode（只能是utf-8 utf-16 gbk,gb2312,asciid等）

3)，简单描述就是：

　　ascii :  8位 1字节  表示1个字符
　　unicode  32位  4个字节  表示一个字符
　　utf- 8  1个英文 8位，1个字节
        　　欧洲 16位   两个字节  表示一个字符
        　　亚洲 24位   三个字节  表示一个字符

　　gbk    1个英文 8位，1个字节
        　　亚洲 16位   两个字节  表示一个字符

2、python3 中的编码

　　str类型的数据，是以unicode（32位表示一个字符）的形式存储到内存中，但是该方式编码不能存储到硬盘或者在网上传输，
于是就可以介绍3中的另外一个数据类型bytes，使用encode(‘utf-8/gbk/gb2132/等‘)函数，将str转换成bytes类型，
实际上就是将unicode代码转换成其他方便传输和存储的编码方式

演示代码：

 1 # 英文
 2 s1 = ‘Beijing‘
 3 s2 = b‘Beijing‘
 4 print(type(s1), type(s2))
 5 
 6 # 中文
 7 s3 = ‘北京‘
 8 # s4 = b‘北京‘  # 报错，不能如此写
 9 # 需要编码
10 s5 = s3.encode(‘utf-8‘)
11 s6 = s3.encode(‘GBK‘)
12 print(s6)  # 4个字节
13 s4 = b‘xe5x8cx97xe4xbaxac‘ # 看到是6个字节表示2个中文，这是utf-8的特性，如果是GBK，就是4个字节了
14 print(s4)