''' 編碼的問題 python2解釋器在加載.py文件中的代碼時，會對內容進行編碼（默認ascii），而python3對內容進行編碼的默認為utf-8。 計算機： 早期，計算機是美國發明的，普及率不高，一般只是在美國使用，所以，最早的編碼結構就是按照美國人的習慣來編碼的。 對應數字+字母+特殊字符一共也沒多少，所以就形成了最早的編碼ASCII碼，直到今天ASCII依然深深的影響着我們。 ASCII(American Standard Code for Information Interchange，美國標准信息交換代碼)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他西歐語言，其最多只能用8位來表示（一個字節），即：2**8 = 256，所以， ASCII碼最多只能表示 256個字符。 隨着計算機的發展，一級普及率的提高，流行到歐洲和亞洲。這時ASCII碼就不合適了，比如：中文漢字有幾萬個，而ASCII最多 也就256個位置，所以ASCII不行了，怎么辦呢？這時，不同的國家就提出了不同的編碼用來適用於各自的語言環境，比如，中國的GBK, GB2312,BIG5,ISO-8859-1等等。這時各個國家都可以使用計算機了。 GBK，國標碼占用2個字符，對應ASCII碼GBK直接兼容。因為計算機底層是用英文寫的，你不支持英文肯定不行，而英文已經使用了 ASCII碼，所以GBK要兼容ASCII。 這里GBK國標碼，前面的ASCII碼部分，由於使用兩個字節，所以對於ASCII碼而言，前9位都是0。 國標碼的弊端，只能中國用，日本就垮了，所以國標碼不滿足我們的使用。這時提出了一個萬國碼Unicode。Unicode一開始設計是 每個字符兩個字節，設計完了，發現中國漢字依然無法金鄉編碼，只能進行擴充，擴充成32位也就是4個字節，這回夠了。但是， 問題來了，中國字9萬多，而unicode可以表示40多億，根本用不了，太浪費了，於是乎，就提出了新的UTF編碼。可邊長度編碼。 UTF-8：每個字符最少占8位，每個字符占用的字節數不定，根據文字內容進行具體編碼，比如，英文，就一個字節就夠了，漢字占3個字節。 這時即滿足了中文，也滿足了節約。也是目前使用頻率最高的一種編碼。 GBK：每個字符占2個字節，16位。 結論： 1.ascii:8bit,主要存放的是英文，數字，特殊符號。 2.gbk:16bit，主要存放中文和亞洲字符，兼容ascii。 3.unicode:16bit和32bit兩個版本。平時我們用的16bit這個版本，全世界所有國家的文字信息，缺點：浪費空間（傳輸和存儲） 4.utf-8:可變長度unicode，英文：8bit，歐洲文字：16bit，中文24bit。一般數據傳輸和存儲的時候使用。 ''' str1 = "中國"
print(str1.encode("utf-8")) # b'\xe4\xb8\xad\xe5\x9b\xbd'
print(b'\xe4\xb8\xad\xe5\x9b\xbd'.decode("utf-8")) # 中國
print(str1.encode("gbk")) # b'\xd6\xd0\xb9\xfa'
print(b'\xd6\xd0\xb9\xfa'.decode("gbk")) # 中國
''' 總結：一個中文在utf-8編碼中占用3個字節，在gbk編碼中占用2個字節 ''' with open("a1.txt", mode="w", encoding="utf-8") as f: f.write("中國") with open("a2.txt", mode="wb") as f: f.write("中國".encode("utf-8")) ''' 兩種不同的寫文件的模式，效果是一樣的。 '''
print("中國".encode("utf-8")) # b'\xe4\xb8\xad\xe5\x9b\xbd'
print(bytes("中國", encoding="utf-8")) # b'\xe4\xb8\xad\xe5\x9b\xbd'
print("中國".encode("utf-8") == bytes("中國", encoding="utf-8")) # True
''' 總結：字符串轉字節，可以使用encode()函數，也可以使用bytes()函數。 ''' bytes1 = "中國".encode("utf-8") bytes2 = bytes("中國", encoding="utf-8") print(bytes1) # b'\xe4\xb8\xad\xe5\x9b\xbd'
print(bytes2) # b'\xe4\xb8\xad\xe5\x9b\xbd'
print(bytes1.decode("utf-8")) # 中國
print(str(bytes1, encoding="utf-8")) # 中國
''' 總結：字節轉字符串，可以使用str()函數，也可以使用decode()函數。 '''
