python编码问题

一.编码

1. python2中默认使?的是ASCII码. 所以不?持中?. 如果需要在Python2中更改编码. 需要在?件的开始编写:

# -*- encoding:utf-8 -*-

　　  2.python3中: 内存中使?的是unicode码.

• ASCII : 最早的编码. ??有英??写字?, ?写字?, 数字, ?些特殊字符. 没有中?, 8个01代码, 8个bit, 1个byte
• GBK: 中?国标码, ??包含了ASCII编码和中?常?编码. 16个bit, 2个byte
• UNICODE: 万国码, ??包含了全世界所有国家?字的编码. 32个bit, 4个byte, 包含了 ASCII
• UTF-8: 可变?度的万国码. 是unicode的?种实现. 最?字符占8位
• 1.英?: 8bit 1byte
• 2.欧洲?字:16bit 2byte
• 3.中?:24bit 3byte

在python3的内存中. 在程序运?阶段. 使?的是unicode编码. 因为unicode是万国码. 什么内 容都可以进?显?. 那么在数据传输和存储的时候由于unicode比较浪费空间和资源. 需要把 unicode转存成UTF-8或者GBK进?存储. 怎么转换呢. 在python中可以把?字信息进?编码. 编码之后的内容就可以进?传输了. 编码之后的数据是bytes类型的数据.其实啊. 还是原来的 数据只是经过编码之后表现形式发?了改变?已

bytes的表现形式:

　　1. 英? b'alex' 英?的表现形式和字符串没什么两样

　　2. 中? b'\xe4\xb8\xad' 这是?个汉字的UTF-8的bytes表现形式

字符串在传输时转化成bytes=> encode(字符集)来完成

s = "haha"
print(s.encode("utf-8")) # 将字符串编码成UTF-8
print(s.encode("GBK")) # 将字符串编码成GBK
结果:
b'haha'
b'haha'
s = "中"
print(s.encode("UTF-8")) # 中?编码成UTF-8
print(s.encode("GBK")) # 中?编码成GBK
结果:
b'\xe4\xb8\xad'
b'\xd6\xd0'

英?编码之后的结果和源字符串?致. 中?编码之后的结果根据编码的不同. 编码结果 也不同. 我们能看到. ?个中?的UTF-8编码是3个字节. ?个GBK的中?编码是2个字节. 编码之后的类型就是bytes类型. 在?络传输和存储的时候我们python是保存和存储的bytes类型. 那么在对?接收的时候. 也是接收的bytes类型的数据. 我们可以使?decode()来进?解 码操作. 把bytes类型的数据还原回我们熟悉的字符串:

s = "我叫李嘉诚"
print(s.encode("utf-8")) #
b'\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a'

print(b'\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a'.decod
e("utf-8")) # 解码

编码和解码的时候都需要制定编码格式

s = "我是?字"
bs = s.encode("GBK") # 我们这样可以获取到GBK的?字
# 把GBK转换成UTF-8
# ?先要把GBK转换成unicode. 也就是需要解码
s = bs.decode("GBK") # 解码
# 然后需要进?重新编码成UTF-8
bss = s.encode("UTF-8") # 重新编码
print(bss)