Python的编码问题

一、编码的几种常用种类

1. ASCII编码
2. GBK编码
3. Unicode编码

 二、编码的区别

1. ASCII编码

   •   ASCII（美国标准信息交换代码），主要用于显示现代英语和其他西欧语言，其最多只能用 8 位来表示（一个字节），即：2**8 = 256，所以，ASCII码最多只能表示 256 个符号。

2. GBK编码

   • GBK（汉字编码国家标准），GBK字符集共收录21003个汉字，包含国家标准GB13000-1中的全部中日韩汉字，和BIG5编码中的所有汉字，对汉字采用双字节编码。　　

3. Unicode编码

   • Unicode（国际标准字符集），它将世界各种语言的每个字符定义一个唯一的编码，以满足跨语言、跨平台的文本信息转换，规定虽有的字符和符号最少由 16 位来表示（2个字节），即：2 **16 = 65536。
   • unicode 只是一种字符码表， 而在计算机中进行存储时， 必须指定一种具体的存储方式。常见的如utf8, utf16, utf32。因为windows中，默认的unicode编码方式就是utf16, 所以英文字符才是两个字节。

4. UTF-8

   • UTF-8，是对Unicode编码的压缩和优化，他不再使用最少使用2个字节，而是将所有的字符和符号进行分类：ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存，东亚的字符用3个字节保存...
   • 这样做的目的解决了资源浪费。

三、编码的使用

文件以什么方式保存的就以什么方式打开。

四、Python中的应用

1.  在python2中，python解释器默认使用ASCII编码
2. 在pythoh3中，pythin的解释器默认使用utf-8编码
3. 这就是为何有的文章开头加了一句# -*- coding: utf-8 -*-（解释器以utf-8执行文件）

五、举例

1. python2中有两种字符串类型str和unicode

   • 随着python3的流行，这里就不作解释

2. python3中有两种字符串类型str和bytes

   • s1 = "Hello world!"
     s2 = b"Hello world!"
     print(type(s1))     #<class 'str'>
     print(type(s2))     #<class 'bytes'>
     print(s1)           #Hello world!
     print(s2)           #b'Hello world!'
     #utf-8对于纯英文是以一个字节表示，所有进行编码后还能显示“Hello word!”

   • s1 = "Hello world!"
     s2 = s1.encode("utf-8")
     print(type(s2))     #<class 'bytes'>
     print(s2)           #b'Hello world!'
     #通过encode可以对str进行转换成bytes
     

   • s1 = "你好，世界！"
     s2 = s1.encode("utf-8")
     print(type(s2))         #<class 'bytes'>
     print(len(s2))          #18
     print(s2)               #b'xe4xbdxa0xe5xa5xbdxefxbcx8cxe4xb8x96xe7x95x8cxefxbcx81'
     # 在 bytes 中，无法显示为 ASCII 字符的字节，用x##显示
     #len(s2),当s2为bytes类型时，len表示的是字节数，utf-8中，一个字符用3个字节表示