python之編碼和解碼

 

編碼:

1. ascii. 有: 數字, 字母, 特殊字符. 8bit 1byte 128 最前面是0
2. gbk. 包含: ascii, 中文(主要), 日文, 韓文, 繁體文字. 16bit, 2byte.
3. unicode. 包含gbk,ascii,big5... 32bit, 4byte
4. utf-8. 可變長度的unicode.
　　1. 英文: 8bit,1byte
　　2. 歐洲文字: 16bit 2byte
　　3. 中文: 24bit 3byte
不同的編碼之間不能隨意轉換.

在python3中. 默認的編碼是unicode,我們的字符串就是unicode
在python2中. 默認的編碼是ASCII. 用的解釋器是Cpython.c語言的默認編碼是ASCII

 

unicode弊端:在存儲和傳輸的時候. 是很浪費的
在存儲和傳輸的時候不能直接使用unicode. 必須要對字符串進行編碼. 編碼成bytes類型(字節形式的字符串)

1.encode(編碼格式) : 編碼

bs1 = '我今天非常的困'
print(bs1.encode('gbk'))  #b'\xce\xd2\xbd\xf1\xcc\xec\xb7\xc7\xb3\xa3\xb5\xc4\xc0\xa7'

 

2.decode(編碼格式) : 解碼

bs2 = b'\xce\xd2\xbd\xf1\xcc\xec\xb7\xc7\xb3\xa3\xb5\xc4\xc0\xa7'
print(bs2.decode('gbk'))#我今天非常的困

注意: 用gbk編碼,必須用gbk解碼; 用uft-8編碼,必須用utf-8解碼.

 

關於bytes, 非ascii中的內容. 展示的時候都是\x.. 如果是ascii中的內容. 原樣輸出

name = "alex昨天吃多了"
bs = name.encode("gbk")
print(bs)# b'alex\xd7\xf2\xcc\xec\xb3\xd4\xb6\xe0\xc1\xcb'

bss = name.encode("utf-8")
print(bss) # b'alex\xe6\x98\xa8\xe5\xa4\xa9\xe5\x90\x83\xe5\xa4\x9a\xe4\xba\x86'