字符编码

字符编码

前置知识点：

1、程序执行的三大核心硬件（***）：
    cpu
    内存
    硬盘
正常执行一个程序的要点：
    1、将硬盘中的数据读到内存
    2、由cpu读内存中的数据进行执行
    3、在执行程序的时候，生成的数据，优先存入内存

2、python解释器执行一个py文件过程（***）
    如果没有python解释器，py文件单纯就是一个文本文件
    所以说，想执行py文件，必须先执行python解释器

    1、将python解释器的代码有硬盘读到内存
    2、将py文件以普通文本文件的格式由硬盘读到内存
    3、python解释器去内存中读取py文件的数据
    4、识别python语法，执行相应的操作

    ps：任何一个文本编辑器的执行，前两部都一样

字符编码：

字符：世界上一切语言、文字
有必要考虑，图片文件、音频文件、视频文件？


文件的输入和输出是两个过程

人类输入的内容都是人类自己可以识别的字符

计算机只能识别0101010二进制字符

将人类的字符，存入内存和硬盘，要经历一个过程：

人类的字符  >>>>>>>     （字符编码表）    >>>> 计算机二进制

0 a
1 b
01 a
10 b
00 c
11 d

ASCII码表（美国）
    用八位二进制来代表一个英文字符（所有的英文字符+符号一共大概128左右）
        0000 0000
        1111 1111
        最多只能表示255位


    八位二进制 = 8 bit
    8 bit = 1 bytes
    1024bytes = 1KB
    1024KB = 1MB
    1024MB = 1GB
    1024GB = 1TB
    1024TB = 1PB

GBK(中国)
    用2个bytes来代表一个字符，兼容英文字符
    0000 0000 0000 0000
    1111 1111 1111 1111
    最多可以表示65535位

shift（小日子过得不错的日本人）

fuck（韩国的）

万国码（unicode）

为了兼容所有的国家的字符，生成unicode
    所有的字符都用2bytes
    0101 0101 a
    0000 0000 0101 0101 a
    1、占用存储空间
    2、io次数增加，程序运行速度变慢（最致命）

在unicode二进制数据存入硬盘的时候，做优化

utf-8:
    utf-8只与unicode有对应关系
    unicode transformation format

    所有的英文字符用1个bytes表示
    所有的中文字符用3个bytes表示

现在的计算机：
    内存都是：unicode
    硬盘都是：utf-8


需要掌握：
    1、用户无论输入什么字符，存入内存，unicode都可以兼容
    2、硬盘中无论是什么编码的文件，读到内存，都可以兼容unicode

数据的传输：
    优先以自己的本国字符编码进行传递


必须掌握（******）
    (内存)unicode二进制字符 >>>  编码(encode)  >>> (硬盘)utf-8二进制字符
    (硬盘)utf-8二进制字符  >>>   解码(decode)  >>> (内存)unicode二进制字符

(******)
保证不乱码核心：
    用什么编码存的数据，就用什么编码取

---

python2 :
    默认的字符编码ascii码（因为当时的unicode还没盛行）
python3：
    默认的字符编码utf-8

文件头：
    # coding:utf-8
    用英文字符，是为了让所有的计算机都可以识别


pycharm默认的字符编码是：
    utf-8
windows操作系统默认字符编码：
    gbk