Python学习日记(五) 编码基础

初始编码

ascii最开始为7位,一共128字符。最后确定8位,一共256个字符,最左边的为拓展位,为以后的开发做准备。

ascii码的最左边的一位为0。

基本换算:8位(bit) = 1字节(byte)

1024byte = 1 kb

1024kb = 1mb

1024mb = 1gb

1024gb = 1tb

电脑的传输还有存储实际上都是以二进制的形式进行的。

 

unicode:美国最初是使用ascii编码,后来为了解决全球化的文字问题,创建了万国码(unicode)

开端：

　　一个中文最初给两个字节(16位)来表示,后来发现中文就将近十万字,不够,所以之后unicode用4个字节(32位)来表示一个中文。

　　一个英文给四个字节(32位)来表示。

升级后:

utf-8:

　　一个中文用3个字节(24位)表示

　　一个英文用1个字节(8位)表示

　　一个欧洲文字用2个字节(16位)表示

 

国内使用编码:

gbk:

　　一个中文用2个字节(16位)表示

　 一个英文用1个字节(8位)表示　　

(1)各个编码之间的二进制是不能互相是别的,会产生乱码

(2)unicode 的字符要用4个字节(32位)来表示,占用了太多内存。因此文件的储存、传输不能是unicode类型，只能是utf-8、utf-16、gbk、gb2312、ascii等类型

utf-8和gbk的转变要借助unicode

(3)在python3中str在内存中是用unicode存储的

　　　　　　　而bytes类型是以(utf-8、gb2312等编码)

 

对于英文:

str的表现形式:

s = 'abc'

str的编码方式:

以unicode的01010101形式

bytes的表现形式:

b_s = b'abc'

bytes的编码方式:

以utf-8、gbk等的01010101形式

对于中文:

str的表现形式:

s = '中国'

str的编码方式:

以unicode的01010101形式

bytes的表现形式:

以utf-8的b'\xe4\xb8\xad\xe5\x9b\xbd'形式

bytes的编码方式:

以utf-8、gbk等的01010101形式

 

编码(将str->bytes):

中文：

s1= '中国'
s2 = s1.encode('utf-8')
print(s2)   #b'\xe4\xb8\xad\xe5\x9b\xbd'
s2 = s1.encode('gbk')
print(s2)   #b'\xd6\xd0\xb9\xfa'

英文：

s1 = 'abc'
s2 = s1.encode('utf-8')
print(s2)   #b'abc'
s2 = s1.encode('gbk')
print(s2)   #b'abc'

解码(将bytes->str):

b = b'\xe4\xb8\xad\xe5\x9b\xbd'
s = b.decode('utf-8')
print(s)    #中国

b = b'abc'
s = b.decode('utf-8')
print(s)    #abc

 

其他:

1.python2和python3的区别:

　　　　　　python2　　　　　　　　　　　　　　　　　　　　　　python3

<1>.print 可以加括号，也可以不加括号　　　　　　　　　　　　　　　　

　　　　　　print('abc')　　　　　　　　　　　　　　　　　　print('abc')

　　　　　　print 'abc'

<2>.xrange()生成器　　　　　　　　　　　　　　　　　　　　　range()

   range()

<3>.raw_input()　　　　　　　　　　　　　　　　　　　　　　   input()

2.

= 是赋值

is 是比较内存地址

== 比较值是否相等

id（内容）

3.小数据池

在python中数字和字符串存在着小数据池,它的作用是在一个数据范围内节省内存空间，共用一个内存地址

list、dict、set、tuple没有小数据池这一概念

int:

只要数值在范围(-5 - 256),它们都共用一个相同的内存地址

例1:

 

 

 

　　

 

例2:

例3:

str:

<1>.当字符串长度为0或1时默认使用小数据池,当长度大于1时且没有含有特殊字符(包括加减乘除)时也将使用小数据池

<2>.一个字符串长度小于等于20用的还是同一个内存地址,长度大于20以后用的是2个内存地址

当乘数为1时:

仅含字符串、数字、下划线,默认使用小数据池:

含其他字符,长度<=1时,默认使用小数据池

含其他字符,长度>1时,默认使用小数据池

当乘数大于1时:

字符长度小于等于20将使用小数据池