一. 编码介绍

  计算机只能处理数字(最底层的0和1),如果要处理文本,就必须将文本转换为数字才能处理。最早的计算机在设计时采用8个比特(bit)作为一个字节(byte),所以一个字节能表示的最大整数就是255(二进制11111111 = 十进制255),如果要表示更大的整数,就需要更多的字节,比如两个字节可以表示的最大整数为 65535 , 4个字节可以表示的最大整数就是 4294967295.

bit :(b)
     “位”或“比特”, 是计算机运行的基础,属于二进制的范畴。bit的值为0或1。缩写为 b.
byte:(B)
        “字节”,是计算机文件大小的基本计算单位,1 byte = 8 bit (1B= 8b)。缩写为 B。1byte 是一个字节, 2bytes 是两个字节,bytes只是byte的复数形式,没有特别的意义。
 
比特和字节的区别
     比特(bit)通常用来作数据传输的单位,因为物理层,数据链路层的传输对于用户是透明的,而这种通信传输是基于二进制的传输。
     字节(byte)在应用层通常使用字节作为单位,表示文件的大小,在用户看来就是可见的数据大小,比如一个字符就是1 byte,如果是汉字就是2byte.
 
ASCII 编码
     美国人发明,只有127个字符(大小写英文字母,数字和一些符号),一个字节表示一个字符,比如大写A的编码是65,小写字母z的编码是122,无法显示中文。
 
GB2312
     中国人发明,将中文编写如ASCII,一个中文最少用2个字节表示。并且与ASCII编码不冲突。
 
Unicode :
     优点:把所有的语言统一到一套编码内,Unicode标准在不断发展,但是最常用的是用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节),现在操作系统和大多数变成语言都直接支持Unicode。
     缺点:如果文本中基本都是英文的话,用Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上十分不划算。
 
ASCII 和 Unicode 的区别:ASCII编码是1个字节表示1个字符,而Unicode编码通常是2个字节表示1个字符。
 
UTF-8 编码
     将一个Unicode字符更具不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。如果要传输的文本包含大量的英文字符,用UTF-8编码就能节省空间。实际上,我们可以将ASCII 看成是UTF-8编码的一部分,所以,大量只支持ASCII编码的历史遗留软件都可以再UTF-8编码下继续工作。
 

   在计算机内存中,统一使用Unicode编码,需要保存到硬盘或者需要传输的时候,就会转换为UTF-8编码。用记事本编辑的时候,从文件读取的UTF-8字符被转换为Unicode字符到内存里,编辑完成后,保存的时候再吧Unicode转换为UTF-8保存到文件:浏览网页的时候,服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器。所以在很多网页的源码中会有类似于 <meta charset='UTF-8' />的信息,表示该网页使用UTF-8编码的。
 


字符串编码
     在Python3中,字符串是以Unicode编码的,所以,Python的字符串支持多种语言。
 
字符串编码转换函数:
  • ord()   # 获取字符的整数表示
  • chr()   # 把编码转换为对应的字符
>>> ord('a')
97
>>> chr(97)
'a'
>>> ord('你')
20320
>>> chr(20320)
'你'

  

 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 转换为以字节为单位的 bytes。

    Python对 bytes 类型的数据用带 b 前缀的单引号或双引号表示: x = b'abc'
 
编码和解码
  • encode()  # 以Unicode表示的字符串通过encode()方法可以编码为指定的字节。
  • decode()  # 将字节变成字符串,也就是解码

Unicode 是最底层,最基础的,会根据终端的编码进行转化展示。一般硬盘存储或传输为utf-8(节省空间和带宽),读入内存为Unicode。
Python2版本虽然也支持Unicode,但是在语法上需要'xxx'和u'xxx'两种字符串来表示。
 
# Python2.X版本
>>>u'中文'.encode('gb2312')
>>>'\xd6\xd0\xce\xc4' # Python3.X版本,统一改成了unicode编码,写不写前缀u 都是一样的,而以字节形式表示的字符串则必须加上 b 前缀 :b'xxx'。
>>>u'中文'.encode('gb2312')
>>>'\xd6\xd0\xce\xc4'
>>>'中文'.encode('gb2312')
>>>'\xd6\xd0\xce\xc4'

  

Python的编码详解的更多相关文章

  1. Python字符编码详解,str,bytes

    什么是明文 “明文”是可以是文本,音乐,可以编码成mp3文件.明文可以是图像的,可以编码为gif.png或jpg文件.明文是电影的,可以编码成wmv文件.不一而足. 什么是编码?把明文变成计算机语言 ...

  2. 转2:Python字符编码详解

    1. 字符编码简介 1.1. ASCII ASCII(American Standard Code for Information Interchange),是一种单字节的编码.计算机世界里一开始只有 ...

  3. 转1:Python字符编码详解

    Python27字符编码详解 声明 一 字符编码基础 1 抽象字符清单ACR 2 已编码字符集CCS 3 字符编码格式CEF 31 ASCII初创 311 ASCII 312 EASCII 32 MB ...

  4. Python字符编码详解

    1. 字符编码简介 1.1. ASCII ASCII(American Standard Code for Information Interchange),是一种单字节的编码.计算机世界里一开始只有 ...

  5. 【转】Python字符编码详解

    转自:http://www.cnblogs.com/huxi/archive/2010/12/05/1897271.html 1. 字符编码简介 1.1. ASCII ASCII(American S ...

  6. Python字符编码详解(转)

    http://www.cnblogs.com/huxi/archive/2010/12/05/1897271.html 在没有reload(sys)之前调用sys.setdefaultencoding ...

  7. Python 字符串方法详解

    Python 字符串方法详解 本文最初发表于赖勇浩(恋花蝶)的博客(http://blog.csdn.net/lanphaday),如蒙转载,敬请保留全文完整,切勿去除本声明和作者信息.        ...

  8. Python2.7字符编码详解

    目录 Python2.7字符编码详解 声明 一. 字符编码基础 1.1 抽象字符清单(ACR) 1.2 已编码字符集(CCS) 1.3 字符编码格式(CEF) 1.3.1 ASCII(初创) 1.3. ...

  9. 《python开发技术详解》|百度网盘免费下载|Python开发入门篇

    <python开发技术详解>|百度网盘免费下载|Python开发入门篇 提取码:2sby  内容简介 Python是目前最流行的动态脚本语言之一.本书共27章,由浅入深.全面系统地介绍了利 ...

随机推荐

  1. leetcode array解题思路

    Array *532. K-diff Pairs in an Array 方案一:暴力搜索, N平方的时间复杂度,空间复杂度N 数组长度为10000,使用O(N平方)的解法担心TLE,不建议使用,尽管 ...

  2. CloudStack + KVM + HA

    KVM高可用性CS4.2暂时没有实现 The Linux Kernel Virtual Machine (KVM) is a very popular hypervisor choice amongs ...

  3. Linux常见问题及解决方案

    问题一: 删除Linux 的烦恼(没出现系统选择菜单只出现"grub": 问题描述: 安装了Linux.WinXP双系统,采用Grub引导系统.在XP下通过格式化磁盘(非法操作)删 ...

  4. linux环境下搭建osm_web服务器四(对万国语的地名进行翻译和检索):

    对万国语的地名进行翻译和检索 经过 前三篇的调试,已经有了一个完整的Map可以浏览,我们痛苦的世界范围数据下载.导入过程也结束了.要提醒一下的是,鉴于网速,不要下载 planetosm.lastest ...

  5. 修改ubuntu密码

    https://www.linuxidc.com/Linux/2016-05/131256.htm

  6. C语言cJSON库的使用,解析json数据格式

    C语言cJSON库的使用,解析json数据格式 摘自:https://www.cnblogs.com/piaoyang/p/9274925.html 对于c语言来说是没有字典这样的结构的,所以对于解析 ...

  7. 在linux下使用CMake构建应用程序

    本文介绍了一个跨平台的自动化构建系统 CMake 在 linux 上的使用方法. CMake 是一个比 automake 更加容易使用的工具,能够使程序员从复杂的编译连接过程中解脱出来.文中通过一些例 ...

  8. xampp 添加ssl 访问

    编辑php.ini 文件,找到 “;extension=php_openssl.dll” (去掉前面的;号注释) <VirtualHost *:8090> DocumentRoot &qu ...

  9. 白话浅说TCP/UDP面向连接,面向无连接的区别

    TCP是面向连接的UDP是面向无连接的就是这种关系了 TCP(Transmission Control Protocol,传输控制协议) UDP(User Datagram Protocol,用户数据 ...

  10. 洛谷 4051 [JSOI2007]字符加密(后缀数组)

    题目描述 喜欢钻研问题的JS 同学,最近又迷上了对加密方法的思考.一天,他突然想出了一种他认为是终极的加密办法:把需要加密的信息排成一圈,显然,它们有很多种不同的读法. 例如‘JSOI07’,可以读作 ...