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