字符编码
1 为什么要有字符编码
x="上"
内存
上-------翻译-----》0101010
上《----翻译《-----0101010
2 什么是字符编码
字符编码表就是一张字符与数字对应关系的表
3 字符编码的形成的过程
ASCII表:
1、只支持英文字符串
2、采用8位二进制数对应一个英文字符串
GBK表:
1、支持英文字符、中文字符
2、采用8位(8bit=1Bytes)二进制数对应一个英文字符串
采用16位(16bit=2Bytes)二进制数对应一个中文字符串
unicode(内存中统一使用unicode):
1、兼容万国字符
与万国字符都有对应关系
2、采用16位(16bit=2Bytes)二进制数对应一个中文字符串
个别生僻会采用4Bytes、8Bytes
内存
人类的字符---------------unicode格式的数字----------
| |
| |
|
硬盘 |
|
| |
| |
GBK格式的二进制 Shift-JIS格式的二进制
老的字符编码都可以转换成unicode,但是不能通过unicode互转
utf-8:
英文->1Bytes
汉字->3Bytes
4 总结
4.1、内存固定使用unicode,我们可以改变的是存入硬盘采用格式
英文+汉字-》unicode-》gbk
英文+日文-》unicode-》shift-jis
万国字符》-unicode-》utf-8
4.2、文本文件存取乱码问题
存乱了>>>设置编码格式:解决方法是,编码格式应该设置成支持文件内字符串的格式
取乱了>>>同类编码格式读入:解决方法是,文件是以什么编码格式存入硬盘的,就应该以什么编码格式读入内存
4.3、python解释器默认读文件的编码
python3默认:utf-8
python2默认:ASCII
指定文件头修改默认的编码:
在py文件的首行写:
coding:gbk
4.4、保证运行python程序前两个阶段不乱码的核心法则:指定文件头
coding:文件当初存入硬盘时所采用的编码格式
4.5、如何保证pyhton中不出现乱码(***)
python3的str类型默认直接存成unicode格式,无论如何都不会乱码
保证python2的str类型不乱码
x=u'上' python2中在str之前加u即可解决乱码问题
4.6、python2中需要了解的知识
python2解释器有两种字符串类型:str、unicode
str类型
x='上' # 字符串值会按照文件头指定的编码格式存入变量值的内存空间
unicode类型
x=u'上' # 强制存成unicode
4.7 如何实现编码解码?
coding:utf-8 #定义文件当初存入硬盘时所采用的编码格式为utf-8
x='上'
res=x.encode('gbk') # unicode--->gbk
print(res,type(res))
print(res.decode('gbk'))