[ python ] 字符編碼

字符編碼

　　這裏主要描述如下三種編碼方式：

　　（1）ASCII

　　（2）unicode

　　（3）uft-8

　　（4）gbk

 

ASCII 碼

　　在計算機內部，全部的信息最終都是一個二進制值。每個二進制位（bit）有0和1兩種狀態，所以 8 個 二進制位就能夠組合成 256 種狀態，這被稱爲一個字節（byte）。也就是說，一個字節一共能夠用來表示 256種不一樣的狀態，每個狀態對應一個符號，就是 256 個符號，從 00000000 到 11111111

　　美國定製了一套字符編碼，對英語字符與二進制位之間的關係，作了統一規定。這被稱爲 ASCII 碼，一直沿用至今。

 

　　一個字符用 1 個字節表示　　1 byte = 8 bit

　　ASCII 碼只包含字母和英文中的特殊符號，不包括漢字；

 

unicode （萬國碼）

　　世界上存在不少種不一樣的編碼，同一個二進制數字能夠被解釋成不一樣的符號。所以，想要打開一個文本文件，就必須知道它的編碼方式，不然用錯誤的編碼方式打開就會出現亂碼。若是有一種編碼，將世界上全部的符號都歸入其中。每個符號都給予一個獨一無二的編碼，那麼亂碼問題就會消失。這就是 unicode 萬國碼的由來，這是一種全部符號的編碼。

 

　　字母：

　　　　一個字母等於 4 個 byte = 32 bit

　　漢字：

　　　　一個字母等於 4 個 byte = 32 bit

　　

1. unicode 的問題

　　須要注意的是， unicode 只是一個字符集，它規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲。

　　（1）如何才能區分 unicode 和 ASCII ？ 計算機怎麼知道三個字節表示一個符號，而不是分別表示三個符號呢？

　　（2）英文在 ASCII 碼中，只須要一個字節表示就夠了，若是採用 unicode 統一規定，每一個符號用三個或四個字符表示，這對於存儲來講是極大的浪費，文本文件的大小胡所以大出二三倍。

 

UTF-8　

　　互聯網的普及，強烈要求出現一種統一的編碼方式。utf-8 就是在互聯網上使用最廣的一種 unicode 的實現方式。

　　字母：

　　　　一個字母等於 2 byte = 8 bit

　　漢字：

　　　　一箇中文等於 3 byte = 24 bit

 

GBK

　　包含所有中文字符，utf-8則包含全世界全部國家須要用到的字符；

　　字母：

　　　　一個字母 1 byte = 8 bit

　　漢字：

　　　　一個漢字 2 byte = 16 bit

 

 =、==、is 三者的使用說明

1. = 賦值

例子：

s1 = 'hkey'
s2 = 'xiaofei'

 

2. ==  比較值是否相等

print( 1 == 2)

# 執行結果：
# False

 

3. is 比較內存地址

s1 = 6
s2 = 6

print(s1 is s2)

# 執行結果：
# True

s11 = 'adfadsasdfasdff'
s22 = 'adfadsasdfasdff1'

print(s11 is s22)

# 執行結果：
# False