再谈编码---小数据池(概念)

Posted 2021-01-07 zpf666

　　

1. 小数据池
小数据池
在说小数据池之前. 我们先看一个概念. 什么是代码块:
python程序是由代码块构成的. 一个代码块的文本作为python程序执行的单元.
代码块: 一个模块, 一个函数, 一个类, 甚至每一个command命令都是一个代码块. 一个文件也是一个代码块, eval()和exec()执行的时候也是一个代码块

小数据池. 一种数据缓存机制. 也被称为驻留机制.
小数据池只针对: 整数, 字符串串, 布尔值. 其他的数据类型不存在驻留机制

在python中对-5到256之间的整数会被驻留留在内存中. 将一定规则的字符串缓存. 在使用的时候,
内存中只会创建一个该数据的对象. 保存在小数据池中. 当使用的时候直接从数据池中获取对象的内存引用.
而不需要创建一个新的数据. 这样会节省更多的内存区域.

优点: 能够提高一些字符串, 整数的处理速度. 省略的创建对象的过程.
缺点: 在‘池‘中创建或者插入新的内容会花费更多的时间.

对于数字: -5~256是会被加到小数据池中的. 每次使用都是同一个对象.
对于字符串:
1. 如果字符串的长度是0或者1, 都会默认进行缓存
2. 字符串长度大于1, 但是字符串中只包含字母, 数字, 下划线时才会缓存
3. 用乘法的到的字符串.
①. 乘数为1, 仅包含数字, 字母, 下划线时会被缓存. 如果包含其他字符, 而长度<=1 也会被驻存,
②. 乘数大于1 . 仅包含数字, 字母, 下划线这个时候会被缓存. 但字符串长度不能大于20
4. 指定驻留. 我们可以通过sys模块中的intern()函数来指定要驻留的内容.

在代码块内的缓存机制是不一样的. 在执行同一个代码块的初始化对象的命令时, 会检查是否其值是否已经存在,
如果存在, 会将其重用. 换句句话说: 执行同一个代码块时, 遇到初始化对象的命令时，
他会将初始化的这个变量与值存储在一个字典中, 在遇到新的变量时, 会先在字典中查询记录,
如果有同样的记录那么它会重复使用这个字典中的之前的这个值. 所以在你给出的例子中, 文件执行时(同一个代码块) 会把a, b两个变量指向同一个对象.
如果是不同的代码块, 他就会看这个两个变量是否是满足小数据池的数据, 如果是满足小数据池的数据则会指向同一个地址.
所以: a, b的赋值语句分别被当作两个代码块执行, 但是他们不满足小数据池的数据所以会得到两个不同的对象, 因而is判断返回False.

2. is和==的区别
1. id()
通过id()我们可以查看到?一个变量表示的值在内存中的地址.
s = ‘alex‘
print(id(s)) # 4326667072
2. is和==
== 判断左右两端的值是否相等. 是不是一致.
is 判断左右两端内容的内存地址是否一致. 如果返回True, 那可以确定这两个变量使用的是同一个对象

我们可以这样认为. 如果内存地址相同. 那么值一定是相等的. 如果值相等. 则不一定是同一个对象

3. 编码的问题
1. python2中默认使用的是ASCII码. 所以不支持中文. 如果需要在Python2中更改编码.
需要在文件的开始编写:
# -*- encoding:utf-8 -*-
2. python3中: 内存中使用的是unicode码.
编码回顾:
1. ASCII : 最早的编码. 里面有英文大写字母, 小写字母, 数字, 一些特殊字符. 没有中文,
8个01代码, 8个bit, 1个byte
2. GBK: 中文国标码, 里面包含了了ASCII编码和中文常用编码. 16个bit, 2个byte
3. UNICODE: 万国码, 里面包含了全世界所有国家文字的编码. 32个bit, 4个byte, 包含了ASCII
4. UTF-8: 可变长度的万国码. 是unicode的一种实现. 最小字符占8位
1.英文: 8bit 1byte
2.欧洲文字:16bit 2byte
3.中文:24bit 3byte
综上, 除了了ASCII码以外, 其他信息不能直接转换.

encode("GBK") # 编码
decode("GBK") # 解码

*****************
把GBK转换成UTF-8
先把GBK转化成Unicode
再将Unicode转化成UTF-8