首页 > 代码库 > 字符编码(待补充)

字符编码(待补充)

明文:消息以人类能读懂的方式存在

编码:从明文到编码文本的转换

解码:从编码文本到明文的转换

计算机中的所有数据,本质上都是按照类似10101001来存放的二进制存储的

说的简单点,计算机只认识二进制数字

 

ASCLL码

通过一个电平的高低状态来代指0或1

一个bytes表示一个字符,1bytes=8bit,8bit可以表示256个字符

 

GB2312

是对ASCLL的中文扩展

GBK

两个bytes表示一个字符

UNICODE

国际标准化组织统一编码:Unicode(万国码)

Unicode是用两个字节来表示为一个字符

UTF8

是一种针对Unicode的可变长度字符编码,它可以用1-4个字节表示一个符号,当字符在ascll码的范围时,就用一个字节表示

中文用3个字节表示

py2的string编码

py2有两种字符串类型:str和Unicode,str就是编码后的结果bytes,Unicode还是Unicode

py3的string编码

py3也有两种数据类型:str和bytes,str类型存Unicode数据,bytes类型存bytes数据

 Unicode和utf8的优缺点

unicode:简单粗暴,所有字符都是2Bytes,优点是字符->数字的转换速度快,缺点是占用空间大

utf-8:精准,对不同的字符用不同的长度表示,优点是节省空间,缺点是:字符->数字的转换速度慢,因为每次都需要计算出字符需要多长的Bytes才能够准确表示

在内存中的数据都是Unicode,但数据保存到硬盘或用于网络传输时要用utf8

从内存保存文件到硬盘:encode(编码)

从硬盘读取文件到内存:decode(解码)(#coding:utf8)

在Python2中默认编码方式为 ASCII 
在python3中默认的编码方式为utf-8

读文件时发生乱码是可以解决的,选对正确解码方式就可以了,存文件时乱码则是一种数据的损坏

核心法则就是,文件以什么编码保存的,就以什么编码方式打开

字符编码(待补充)