第二章集合字符编码

Posted 2020-10-31 dc0012

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了第二章集合字符编码相关的知识，希望对你有一定的参考价值。

集合

定义:有一个或多个确定的元素所构成的整体叫做集合.
特征:

1. 确定性(元素必须可hsah)
2. 互异性(去重)
3. 无序性(集合中的元素没有先后之分)

集合存在的意义就在于去重和关系运算

集合的创建:

s = {} 创建一个字典
s = {1} 创建一个集合

集合的关系运算

交集
- 取出两个集合中共有的元素
- s.intersection(s1)
- s & s1
差集
- s.difference(s1)
- s - s1
- 从s中把s1中有的元素都去掉,通俗来讲就是:你有的我通通不要.
并集
- s.union(s1)
- s | s1
- 合并s和s1成一个新的集合
对称差集
- s.symmetric_difference(s1)
- s ^ s1
- 合并s和s1,并且去掉两个共有的元素成一个新集合
包含关系
- 两个集合之间一般有三种关系,相交,包含,不相交.
  - set.isdisjoint(s) 判断两个集合是不是不想交
  - set.issuperset(s) 判断集合是不是包含其他集合,等同意 a<=b
  - set.issubset(s) 判断集合是不是被其他集合包含,等同于a<=b

字符编码

看这篇文章前，你应该已经知道了为什么有编码，以及编码的种类情况

ASCII 占1个字节，只支持英文
GB2312 占2个字节，支持6700+汉字
GBK GB2312的升级版，支持21000+汉字
Shift-JIS 日本字符
ks_c_5601-1987 韩国编码
TIS-620 泰国编码

由于每个国家都有自己的字符，所以其对应关系也涵盖了自己国家的字符，但是以上编码都存在局限性，即：仅涵盖本国字符，无其他国家字符的对应关系。应运而生出现了万国码，他涵盖了全球所有的文字和二进制的对应关系，

Unicode 2-4字节已经收录136690个字符，并还在一直不断扩张中...

Unicode 起到了2个作用：

直接支持全球所有语言，每个国家都可以不用再使用自己之前的旧编码了，用unicode就可以了。(就跟英语是全球统一语言一样)
unicode包含了跟全球所有国家编码的映射关系，为什么呢？后面再讲
Unicode解决了字符和二进制的对应关系，但是使用unicode表示一个字符，太浪费空间。例如：利用unicode表示“Python”需要12个字节才能表示，比原来ASCII表示增加了1倍。

由于计算机的内存比较大，并且字符串在内容中表示时也不会特别大，所以内容可以使用unicode来处理，但是存储和网络传输时一般数据都会非常多，那么增加1倍将是无法容忍的！！！

为了解决存储和网络传输的问题，出现了Unicode Transformation Format，学术名UTF，即：对unicode中的进行转换，以便于在存储和网络传输时可以节省空间!