經過python3學習編碼

簡介

今天在寫python程序的時候，遇到了編碼問題，今天，我準備好好了解一下編碼問題

ASCII編碼

計算機是美國人發明的，最初只有不超過256字符須要編碼，1字節能編碼2**8個，因此ASCII編碼就是這麼來的。如今的鍵盤，不用輸入法能打出來的字符，都在ASCII碼錶裏。

其餘編碼

後來，計算機逐漸普及，須要編碼其餘國家的字符，好比中文，日文，韓文，中國有GB2312等(固然，會佔用多個字節)，其餘國家也有各自的編碼表。可是這有個問題，若是一串字符有多個國家的語言，沒法處理。

Unicode

Unicode將各類國家字符統一編碼。這樣便解決了統一編碼的問題。Unicode很是適合在內存中使用，同一種語言，編碼格式是相近的，便於計算。可是，當須要存儲的時候，就不太合適了，浪費空間。

ustring = '中'
print('--- Unicode ---')
ubyte = ustring.encode('unicode_escape')
print(len(ubyte))
print(ubyte)  # 直接輸出第一個\是轉義
print(''.join([chr(c) for c in ubyte]))

輸出結果：

--- Unicode ---
6
b'\\u4e2d'
\u4e2d

能夠看到，一箇中文的中字，就佔了6個字節，編碼其實只有4個字節4e2d，但\u，也要存儲

UTF-8

爲了便於減少傳輸和存儲的大小，UTF-8編碼出現了。一樣是中

print('--- UTF-8 ---')
ubyte = ustring.encode('utf-8')
print(len(ubyte))
print(ubyte)
print(''.join([chr(c) for c in ubyte]))

輸出以下:

--- UTF-8 ---
3
b'\xe4\xb8\xad'
ä¸-

只佔用了3個字節，\x是python加上去的，表明16進制方式讀取，也就是e4, b8, ad這三個字節。可能會有人不知道e4爲啥是一個字節，16進制和2進制對應以下，佔4位，一個字節8位，因此是兩個字符

0 = 0000
1 = 0001
...
a = 0110
...
e = 1110
f = 1111

json的編碼

爲啥今天我會想好好了解一下編碼呢，由於我在編程的時候用到了json，有趣的是，python中json的編碼方式默認使用的不是utf-8，而是unicode，我還傻傻分不清楚，暈了半天。不過使用json.dumps和json.loads其實根本遇不到這個問題