字符编码

一丶知识储备

　　在学习字符编码前我们要了解这么几个知识点

　　1.1 三大核心硬件：cpu 内存 硬盘

1. 软件运行前，软件的代码及其相关数据都是存放于硬盘中的
2. 任何软件的启动都是将数据从硬盘中读入内存，然后cpu从内存中取出指令并执行
3. 软件运行过程中产生的数据最先都是存放于内存中的，若想永久保存软件产生的数据，则需要将数据由内存写入硬盘

　　1.2 文本编辑器读取文件内容的流程

1. 启动一个文件编辑器（文本编辑器如nodepad++，pycharm，word）
2. 文件编辑器会将文件内容从硬盘读入内存
3. 文本编辑器会将刚刚读入内存中的内容显示到屏幕上

　　1.3 python解释器读取文件内容的流程

1. 启动python解释器，此时就相当于启动了一个文本编辑器
2. python解释器相当于文本编辑器，从硬盘上将test.py的内容读入到内存中
3. python解释器解释执行刚刚读入的内存的内容，开始识别python语法

二丶字符编码介绍

1. 什么是字符编码表：字符编码表就是一张字符与数字对应关系的表
2. 为什么要有字符编码表：人类在和计算机交互的时候用的都是人类语言,但是计算机只能识别二进制数，因此在人类的字符到计算机的数字肯定要经过一个过程：字符---->翻译--->数字 翻译的过程必须要有一个特定的标准，而这个标准就是字符编码表
3. 字符编码表的发展历史：
1. 一家独大ASCII表：只支持英文字符，采用8位二进制数对应一个英文字符串
2. 百花齐放GBK表：只支持英文和中文字符，采用8位二进制数对应一个英文字符，16位对应一个中文字符　　  shift—JIS表，Euc—kr表
3. 分久必和万国表：unicode 与万国字符都有对应的关系，内存中的编码表就是unicode，他的存在让任何国家的字符存在内存中都不会出现乱码问题
4. 编码与解码：
   1. 编码：由字符串转换成内存中的unicode，以及由unicode转换成其他编码的过程，称为编码encode
   2. 解码：由内存中的unicode转换成字符，以及由其他编码转换成unicode的过程，都称为解码decode
5. UTF-8的由来：unicode解决了在内存当中存取万国字符时乱码的问题，那在内存与硬盘之间的存取乱码又该如何解决呢：和解决内存中的乱码方法一样规定了在硬盘中读取操作时的编码—utf-8
6. 字符串的应用：
   1. 内存中固定使用unicode无论输入任何字符都不会发生乱码 
   2. 我们能够修改的是存/取硬盘的编码方式，如果编码设置不正确将会出现乱码问题。乱码问题分为两种：存乱了，读乱了　
      1. 存乱了：如果用户输入的内容中包含中文和日文字符，如果单纯以shift_JIS存，日文可以正常写入硬盘，而由于中文字符在shift_jis中没有找到对应关系而导致存乱了  这是致命的会导致数据消失
      2. 读乱了：如果硬盘中的数据是shift_JIS格式存储的，采GBK格式读入内存就读乱了　　　　　
7. python解释器执行文件的前两个步骤：前两个阶段和文本编译器相同是读取文件的过程，想要实现读不乱则必须将python解释器读文件时的编码格式设置文件当初写入到硬盘中的编码格式，如果没有设置python解释器就会使用默认的编码格式，py2默认为ACSII  py3默认为utf-8。

   #想要改动编码则在文件的第一行写上
   # coding: 当初文件写入硬盘时采用的编码格

8. python解释器执行文件的第三个步骤：设置文件头的作用是保证运行python程序的前两个阶段不乱码，经过前两个阶段后py文件的内容都会以unicode格式存放于内存中。

　　　　在Python3中，字符串类的值都是使用unicode格式来存储

　　　　由于Python2的盛行是早于unicode的，因此在Python2中是按照文件头指定的编码来存储字符串类型的值的（如果文件头中没有指定编码，那么解释器会按照它自己默认的编码

　　　　方式来存储‘上’），所　以，这就有可能导致乱码问题

# coding:utf-8
x = '上' # x的值为untf-8格式的二进制
print(x) # 打印操作是将x的值，即utf-8格式的二进制交给终端，当终端收到后发现并不是unicode（只有unicode才与字符有对应关系），所以终端会执行操作：utf-8二进制---解码-->unicode格式的二进制，解码的过程终端会采用自己默认的编码，而在pycharm的终端默认编码为utf-8、windows下的cmd终端的默认编码为gbk，所以该打印操作在pycharm中显示正常，而在windows下的cmd中则乱码

# 在windows下的cmd中运行效果如下
C:UsersAdministrator>python2 E:aaa.py
涓

　　　　python2后推出了一种补救措施，就是在字符串类型前加u，则会将字符串类型强制存储unicode，这就与python3保持一致了，对于unicode格式无论丢给任何终端进行打印，都可以直接对应字符不会出现乱码问题     # coding:utf-8 x = u'上' # 即便文件头为utf-8，x的值依然存成unicode

总结：　　

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

2、文本文件存取乱码问题
存乱了：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：解决方法是，文件是以什么编码格式存如硬盘的，就应该以什么编码格式读入内存

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、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

5、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'

6、了解
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