Python学习week4-bytes，bytearry与字符编码

1、bytes与bytearray

# bytes：不可变字节序列； bytearray：字节数组，可变数据类型；

（1）bytes定义

class bytes(object):
    """
    （1）bytes(iterable_of_ints) -> bytes
    （2）bytes(string, encoding[, errors]) -> bytes
    （3）bytes(bytes_or_buffer) -> immutable copy of bytes_or_buffer
    （4）bytes(int) -> bytes object of size given by the parameter initialized with null bytes # 指定字节的bytes，被0填充；
　　　　b=bytes(10)  # 创建10个字节的bytes;
　　　　print(b)　　 # ==> b'x00x00x00x00x00x00x00x00x00x00';
    （5）bytes() -> empty bytes object # 创建空bytes；

#  注意：bytes类型，使用b前缀定义；

　　只允许基于ASCII使用字符串形式b'abc9'表示

　　使用16进制表示b'x41x61'

（2）bytearray定义　　

class bytearray(object):
    """
    bytearray(iterable_of_ints) -> bytearray
    bytearray(string, encoding[, errors]) -> bytearray
    bytearray(bytes_or_buffer) -> mutable copy of bytes_or_buffer
    bytearray(int) -> bytes array of size given by the parameter initialized with null bytes
    bytearray() -> empty bytes array
# b=bytearray(5)
# print(b) # bytearray(b'x00x00x00x00x00')

2、字符编码

2.1、 什么是字符编码？

# 个人理解为：将人类理解的字符<===>翻译过程<===>计算机能够识别的数字；

# 这个过程就是讲字符如何对应一个特定的数字的标准，这个标准即为：‘字符编码’；

2.2、字符编码表

（1）ASCII码表

# 由于计算机最早是美国人发明的，所以有了第一张英文字符集与计算机数字对应的表；

# ASCII：一个Bytes代表一个字符，1Bytes=8bit，8bit可以表示0-2**8-1=256个字符；

（2）GBK编码表

# GBK：2Bytes代表一个中文字符,1Bytes表示一个英文字符；==>GB2312(ANSI)==>GBK==>GB18030;（解决了中文与计算机识别数字对应关系）

（3）Unicode万国码

# Unicode（定长）：统一用2Bytes代表一个字符；与全世界所有的字符编码都有映射关系，这样就可以转换成任意国家的字符编码;Unicode只是存放了与其他编码的映射关系；

（4）utf-8（可变长）

# 对于英文来说，如果采用Unicode则存储空间浪费太多（1倍），UTF-8：英文字符1Bytes，中文字符采用3Bytes；

# 总结：内存中统一采用Unicode编码；硬盘可以采用各种编码方法存储数据，一般采用UTF-8编码；

2.3、编码(encode)与解码(decode)

# 通常来说：读取文件需要decode(解码)，写入文件需要encode(编码)；

编码过程：字符== >字节流；计算机处理的是字节流而不是字符，所以编码是以特定的方式把字符变成字节流；

解码过程：字节流==>字符；

#  具体过程如下：

从硬盘读取文件到内存：utf-8 ==>decode==>unicode

从内存将文件保存到硬盘：unicode==>encode==>utf-8

# 注意：保证不乱码的原则为：

（1）以什么编码格式存文件，就以什么编码格式取（读）文件；

（2）例如：如果以ascii编码格式存中文，则一定乱码，存的时候数据就损坏了；一定要在编码支持范围内存取和读取文件；

2.4、python字符编码应用

# python3的解释器默认utf-8编码，python2的解释器默认为ascii编码；所以默认python3解释器支持识别中文；

# 以python test.py为例：（执行test.py的第一步一定是将文件内容从硬盘读取到内存中）

# 将test.py的内容：

line1：# coding:gbk

line2：“你好

line3：x=‘你好’

以GBK编码格式保存；

# 分析整个程序的运行过程：

（1）第一阶段：启动python解释器

（2）第二阶段：python解释器此时就是一个文本编辑器，负责打开test.py，即从硬盘中读取test.py的内容到内存；

# 此时python解释器读取test.py的第一行内容# coding:gbk，来决定以什么编码格式读入到内存，这一行是用来设定python解释器这个软件的编码格式；

# 可以使用sys.getdefaultencoding()查看，如果在文件开头没有指定，python2则使用ascii编码，python3则为unicode；

（3）第三阶段：读取已经加载到内存的test.py代码（unicode格式编码），然后执行；执行过程中可能会开辟新的内存空间，次内存空间和之前的是不同的2个空间；

# 例如：执行到x=‘nihao’，会申请新的内存空间，然后以unicode的编码方式存在内存中；

（4）关于终端打印print

# 例如： print(x) 输出实际时候用的是终端的编码，保证不乱码则需要，文件的读，存以及打印的终端的编码格式一致；