Python-基礎-day6

一、二進制                                 

前言：計算機一共就能作兩件事：計算和通訊

二、字符編碼                             

生活中的數字要想讓計算機理解就必須轉換成二進制。十進制到二進制的轉換隻能解決計算機理解數字的問題，那麼文字要怎麼讓計算機理解呢？

因而咱們就選擇了一種方式，既然數字能夠轉換成十進制，咱們只要想辦法吧文字，轉換成數字，這樣文字不就能夠表示成二進制了麼？

 

那麼問題來了：怎麼把文字轉換成數字呢？就是強制轉換

咱們本身強行約定了一個表，把文字和數字對應上，這張表就至關於翻譯，咱們能夠拿着一個數字來對比對應表找到相應的文字，反之亦然。

 ASCII碼                                 

咱們先來看一張圖片，在瞭解ascii碼

ASCII（American Standard Code for Information Interchange，美國信息交換標準代碼）是基於拉丁字母的一套電腦編碼系統，主要用於顯示現代英語和其餘西歐語言。它是現今最通用的單字節編碼系統，並等同於國際標準ISO/IEC 646。

因爲計算機是美國人發明的，所以，最先只有127個字母被編碼到計算機裏，也就是大小寫英文字母、數字和一些符號，這個編碼表被稱爲ASCII編碼，好比大寫字母 A的編碼是65，小寫字母 z的編碼是122。後128個稱爲擴展ASCII碼。

那如今咱們就知道了上面的字母符號和數字對應的表是早就存在的。那麼根據如今有的一些十進制，咱們就能夠轉換成二進制的編碼串。

好比：

一個空格對應的數字是0 翻譯成二進制就是0（注意字符'0'和整數0是不一樣的）

一個對勾√對應的數字是251 翻譯成二進制就是11111011

那麼問題又來了

假如咱們要打印兩個空格一個對勾 寫做二進制就應該是 0011111011可是 可是問題來了，咱們怎麼知道從哪兒到哪兒是一個字符呢？

正是因爲這些字符串長的長，短的短，寫在一塊兒讓咱們難以分清每個字符的起止位置，因此聰明的人類就想出了一個解決辦法，既然一共就這255個字符，那最長的也不過是11111111八位，不如咱們就把全部的二進制都轉換成8位的，不足的用0來替換。

這樣一來，剛剛的兩個空格一個對勾就寫做000000000000000011111011，讀取的時候只要每次讀8個字符就能知道每一個字符的二進制值啦。

在這裏，每一位0或者1所佔的空間單位爲bit(比特)，這是計算機中最小的表示單位

每8個bit組成一個字符，這是計算機中最小的存儲單位(畢竟你是沒有辦法存儲半個字符的)

bit 位，計算機中最小的表示單位
8bit = 1bytes 字節，最小的存儲單位，1bytes縮寫爲1B
1KB=1024B
1MB=1024KB
1GB=1024MB
1TB=1024GB
1PB=1024TB
1EB=1024PB
1ZB=1024EB
1YB=1024ZB
1BB=1024YB

GBK和GB2312                  

顯然，對於咱們來講能在計算機中顯示中文字符是相當重要的，然而剛學習的ASCII表裏連一個偏旁部首也沒有。因此咱們還須要一張關於中文和數字對應的關係表。以前咱們已經看到了，一個字節只能最多表示256個字符，要處理中文顯然一個字節是不夠的，因此咱們須要採用兩個字節來表示，並且還不能和ASCII編碼衝突，因此，中國製定了GB2312編碼，用來把中文編進去。

你能夠想獲得的是，全世界有上百種語言，日本把日文編到Shift_JIS裏，韓國把韓文編到Euc-kr裏，

各國有各國的標準，就會不可避免地出現衝突，結果就是，在多語言混合的文本中，顯示出來會有亂碼。

Unicode                            

所以，Unicode應運而生。Unicode把全部語言都統一到一套編碼裏，這樣就不會再有亂碼問題了。

Unicode標準也在不斷髮展，但最經常使用的是用兩個字節表示一個字符（若是要用到很是偏僻的字符，就須要4個字節）。現代操做系統和大多數編程語言都直接支持Unicode。

如今，捋一捋ASCII編碼和Unicode編碼的區別：

ASCII編碼是1個字節，而Unicode編碼一般是2個字節。

字母A用ASCII編碼是十進制的65，二進制的01000001；

字符0用ASCII編碼是十進制的48，二進制的00110000；

漢字「中」已經超出了ASCII編碼的範圍，用Unicode編碼是十進制的20013，二進制的01001110 00101101。

你能夠猜想，若是把ASCII編碼的A用Unicode編碼，只須要在前面補0就能夠，所以，A的Unicode編碼是00000000 01000001。

問題又出現了：

若是統都編輯成Unicode編碼，亂碼問題今後消失了。可是，若是你寫的文本基本上所有是英文的話，用Unicode編碼比ASCII編碼須要多一倍的存儲空間，在存儲和傳輸上就十分不划算。

UTF-8                                 

因此，本着節約的精神，又出現了把Unicode編碼轉化爲「可變長編碼」的UTF-8編碼。UTF-8編碼把一個Unicode字符根據不一樣的數字大小編碼成1-6個字節，經常使用的英文字母被編碼成1個字節，漢字一般是3個字節，只有很生僻的字符纔會被編碼成4-6個字節。若是你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間：

字符	ASCII	unicode	UTF-8
A	01000001	00000000 01000001	01000001
中	x	01001110 00101101	11100100 10111000 10101101

從上面的表格還能夠發現，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上能夠被當作是UTF-8編碼的一部分，因此，大量只支持ASCII編碼的歷史遺留軟件能夠在UTF-8編碼下繼續工做。

搞清楚了ASCII、Unicode和UTF-8的關係，咱們就能夠總結一下如今計算機系統通用的字符編碼工做方式：

在計算機內存中，統一使用Unicode編碼，當須要保存到硬盤或者須要傳輸的時候，就轉換爲UTF-8編碼。

用記事本編輯的時候，從文件讀取的UTF-8字符被轉換爲Unicode字符到內存裏，編輯完成後，保存的時候再把Unicode轉換爲UTF-8保存到文件。

文件存取編碼轉換圖:

經常使用編碼技術一覽表                   

編碼	制定時間	做用	所佔字節數
ASCII	1967年	表示英語及西歐語言	8bit/1bytes
GB2312	1980年	國家簡體中文字符集，兼容ASCII	2bytes
Unicode	1991年	國際標準組織統一標準字符集	2bytes
GBK	1995年	GB2312的擴展字符集，支持繁體字，兼容GB2312	2bytes
UTF-8	1992年	不定長編碼	1-3bytes