day4-python基礎-編碼相關

目錄

1.編碼的歷史

2.python 3.x中的bytes與str

3.編碼的轉換

正文開始

1.編碼的歷史與發展

1.1編碼歷史變動

　　編碼能夠理解爲諜戰片中電報的密碼本，若是要想讓電腦識別要輸入的文本，須要將文本轉換爲電腦能識別的機器語言

　　因爲發明計算機的是美國人，因此最開始的編碼表就是美國人所設定，所設定的這個表就爲ASCII碼，ASCII碼包含字母大小寫、數字以及特殊符號。ASCII碼使用8bit，一個字節表達一個字符，因此作多顯示爲2**8-1個字符，也就是255個字符，例如00000001        a

　　後面因爲計算機的普遍傳播，ASCII碼已經徹底不能知足人們的平常須要，這個時候就出現了萬國碼，unicode，使用16bit，2個字節表示一個字符，後面使用後發現並不能實現，這個時候就進行了升級，此時採用32bit，也就是四個字節表示一個字符，雖然基本包含了全部的字符，可是，使用這種編碼佔用空間就很大；最終在後期的升級下，採用瞭如今大範圍使用的UTF-8編碼格式，對於英文以及傳統的特殊字符采用ASCII編碼，也就是8bit，一個字節，對於歐洲地區採用16bit，也就是2字節表示一個字符，對於亞洲區域則採用24bit，也就是三個字節顯示一個字符。

　　過於國內的字符編碼，在unicode和utf-8沒有大規模使用的期間，我國有本身的一套獨立的編碼格式，由最開始的GB2312到後面的GBK在到最新的GB18130,對於國內的編碼的格式主要是，英文等傳統特殊符號採用ASCII碼就行，對於中文則採用16bit，也就是2字節表示，這樣就形成不一樣國家不一樣的字符規格。

　　實例

　　'old男孩'在GBK中是7字節，在utf-8是9字節

　　在python 2.7版本中，默認爲ASCII碼，不支持中文，若是須要輸入中文必須在文首輸入如下

　　# -*- encoding：utf-8 -*-

　　1.2進制的區別

　　進制主要有二進制，八進制，十進制，十六進制

　　二進制：只有01

　　八進制：0-7

　　十進制：0-9

　　十六進制：0-E

　　　1.2.1二進制轉十進制以及十進制轉換二進制

二進制轉化成十進制
1101      ---> 
0*2**7+0*2**6+1*2**5+0*2**4+1*2**3+1*2**2+0*2**1+1*2**0
1*2**5+1*2**3+1*2**2+1*2**0 = 32 + 8 + 4 + 1 = 45

十進制轉化成二進制 ： 對2取餘，逆向排列
  ——-> 0010 1010

2.python3.x中的bytes與str

回到bytes和str的身上。bytes是一種比特流，它的存在形式是01010001110這種。咱們不管是在寫代碼，仍是閱讀文章的過程當中，確定不會有人直接閱讀這種比特流，它必須有一個編碼方式，使得它變成有意義的比特流，而不是一堆晦澀難懂的01組合。由於編碼方式的不一樣，對這個比特流的解讀也會不一樣，對實際使用形成了很大的困擾。下面讓咱們看看Python是如何處理這一系列編碼問題的：

>>> s = "中文"
>>> s
'中文'
>>> type(s)
<class 'str'>
>>> b = bytes(s, encoding='utf-8')
>>> b
b'\xe4\xb8\xad\xe6\x96\x87'
>>> type(b)
<class 'bytes'>

從例子能夠看出，s是個字符串類型。Python有個內置函數bytes()能夠將字符串str類型轉換成bytes類型，b其實是一串01的組合，但爲了在ide環境中讓咱們相對直觀的觀察，它被表現成了b'\xe4\xb8\xad\xe6\x96\x87'這種形式，開頭的b表示這是一個bytes類型。\xe4是十六進制的表示方式，它佔用1個字節的長度，所以」中文「被編碼成utf-8後，咱們能夠數得出一共用了6個字節，每一個漢字佔用3個，這印證了上面的論述。在使用內置函數bytes()的時候，必須明確encoding的參數，不可省略。

咱們都知道，字符串類str裏有一個encode()方法，它是從字符串向比特流的編碼過程。而bytes類型剛好有個decode()方法，它是從比特流向字符串解碼的過程。除此以外，咱們查看Python源碼會發現bytes和str擁有幾乎如出一轍的方法列表，最大的區別就是encode和decode。

從實質上來講，字符串在磁盤上的保存形式也是01的組合，也須要編碼解碼。

若是，上面的闡述還不能讓你搞清楚二者的區別，那麼記住下面兩幾句話：

1. 在將字符串存入磁盤和從磁盤讀取字符串的過程當中，Python自動地幫你完成了編碼和解碼的工做，你不須要關心它的過程。

2. 使用bytes類型，實質上是告訴Python，不須要它幫你自動地完成編碼和解碼的工做，而是用戶本身手動進行，並指定編碼格式。

3. Python已經嚴格區分了bytes和str兩種數據類型，你不能在須要bytes類型參數的時候使用str參數，反之亦然。這點在讀寫磁盤文件時容易碰到。

在bytes和str的互相轉換過程當中，實際就是編碼解碼的過程，必須顯式地指定編碼格式。

3.編碼的轉換

對於編碼的轉換，只須要記住下面這個圖就行了