python字符串和编码

Posted 2021-03-23 beard

编码方式

ASCII：American standard coding information interchange

GBK : "guo biao"、“Kuozhan” 拼音首字母缩写

为解决在多语言混合的文本中，显示出来会有乱码。【Unicode】编码应运而生

字母A用ASCII编码是十进制的65，二进制的01000001；

字符0用ASCII编码是十进制的48，二进制的00110000，注意字符‘0‘和整数0是不同的；

汉字中已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

你可以猜测，如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。

如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。

python默认编码

　　python 2.x默认的字符编码是ASCII，默认的文件编码也是ASCII。

　　python 3.x默认的字符编码是unicode，默认的文件编码是utf-8。

编码解码

由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。
以Unicode表示的str通过encode()方法可以编码为指定的bytes，例如：

>>> ‘ABC‘.encode(‘ascii‘)
b‘ABC‘
>>> ‘中文‘.encode(‘utf-8‘)
b‘xe4xb8xadxe6x96x87‘

解码

>>> b‘xe4xb8xadxe6x96x87‘.decode(‘utf-8‘)

‘中文‘