其他分享
首页 > 其他分享> > 8.字节

8.字节

作者：互联网

 

 

（十）字节

 

1：什么是编码

 

助教补充一：ASCII编码这个部分的内容有一点抽象，大家如果不理解只要大概知道如下意思：计算机存储数据是用0、1存储的，为了存储英文字符等，所以出现了一个ASCII编码表，通过这个表就是把对应的英文转换对应为相应的0、1数据存储到计算机，但是英文只有26个字母，中文有6万多汉字啊，ASCII编码不够，所以，根据需要就出现了unicode、utf-8等编码，实际可以理解为它们把全球的文字编码对应到计算机的0、1来存储识别，归根到底，我们只要记住：我们写python程序的时候使用utf-8编码格式来存储编码格式就可以了，网页里面同样的也声明utf-8即可，utf-8是中文、英文、日文等全球文字都可以使用的编码格式，通用性很强。 你使用PyCharm创建一个.py文件的时候，它会帮你自动使用utf-8格式的哦，如下：

 

 

 

 

助教补充二：在Python中字节和字符串很类似，很多方法相似，他们的关系其实是这样的：字符串是给人类可以看的懂的，字节是给计算机读懂的，字符串需要存储在计算机中或者在计算机中传播就会转换为字节，平常的字符串存储操作，Python解释器会帮我们自动转换，所以才会有字节可以和字符串互相转换。我们后面用到爬虫的时候，会去目标网站上面爬取数据回来，那么那些数据就是字节数据流，我们需要把这些数据流解码为字符串才能进行处理利用哦。

 

ASCII编码表

 

 

 

 

（来自百度百科）

 

        1：计算机只能处理0和1，那么计算机如果需要识别字符，就需要有一套编码机制，ASCII编码由此诞生了。8个bit为一个byte, 11111111 = 255， 那么一个字节最大能够表示255（十进制）。
        2：对于英文字母来说，A~Z,a~z 一共才 26 * 2 = 52个，因此，一个字节表示所有的英文字符是满足需要的。但是对于中文来说，是远远不够的。那么GB2312因此诞生了，11111111 11111111 = 65535， 那么按照GB2312就可以表示65535个汉字字符，基本可以满足现代汉字
        3：不同国家有不同的字符编码表，例如，在中国，假如 10101011 11010110 表示 “中”， 如果你在日本，使用日本的编码表，对应的10101011 11010110，可能表示的就是“日”。那么，中文写好的文字，按照日文编码表编码，就会出现乱码，这就是为什么，有时候打开某些页面的时候，显示的是乱码，是因为编码表引入错误，没有引入正确的编码表
        4：unicode编码的出现，解决了所有语言编码的问题。 但是使用Unicode编码英文字母，本来只需要一个字节的存储空间，变为了两个字节，那么在数据传输的过程中，消耗了更多的带宽
        5：utf-8变长编码的出现，解决了这个存储过多的问题，将英文字符使用一个字节编码，中文字符使用三个字节编码。

 

2：什么是bytes

 

 

    Python3中引入了两个新的数据类型
        bytes
        bytearray
    bytes是字节组成的，有序的，不可变序列

 

3：什么是bytearray

 

    bytearray是字节组成的，有序的，可变序列

 

4：编码与解码

 

    1：编码
        字符串按照指定的字符集进行编码，encode方法，返回字节序列bytes
        str.encode(encoding='utf-8', errors='strict') -> bytes
    2: 解码
        字节按照指定的字符集进行解码，decode方法，返回字符串str
        bytes.decode(encoding="utf-8", errors="strict") -> str
        bytearray.decode(encoding="utf-8", errors="strict") -> str

 

5：bytes的定义

 

    # 定义
    bytes() 
    bytes(9) # b'\x00\x00\x00\x00\x00\x00\x00\x00\x00' 被0填充
    bytes('hello', encoding='utf-8') # 返回 b'hello' ，等价于：'hello'.encode()
    bytes('中国', encoding='utf-8') # 返回 b'\xe4\xb8\xad\xe5\x9b\xbd'
    # 表现形式
    bytes使用b前缀定义
    只有基本的ASCII可以使用字符表示，例如： 'xkd' 的字节码为 b'xkd'
    其他的字符，例如中文，使用十六进制表示， 例如：'中国' 的字节码为：b'\xe4\xb8\xad\xe5\x9b\xbd'，每个汉字是3个字节组成
    b'\xe4\xb8\xad'.decode() 返回 '中'

 

6：bytes操作

 

    # 概念
    1： bytes的方法与str类似，两者都是不可变类型
    2： str输入输出都是str，bytes输入输出都是bytes
    # 举例
    b'xkd'.startswith(b'x') 返回 True
    # 字节可以与十六进制的字符串相互转化
    b'\xde\xad\xbe\xef'.hex() # 返回16进制表示的字符串deadbeef
    bytes.fromhex('deadbeef') # 返回 b'\xde\xad\xbe\xef'

 

 

7：bytearray的定义

 

    # bytearray(string, encoding[, errors]) -> bytearray 
    bytearray('hello', encoding='utf-8') 返回 bytearray(b'hello')

 

8：bytearray操作

 

    # 由于bytearray可变，其操作类似于列表
    b = bytearray()
    b.append(100)
    b.append(99)
    b.insert(1,98)
    b.extend([65,66,67])
    b.remove(66)
    print(b)  # 打印出：bytearray(b'dbcAC')
    b.pop()
    b.reverse()
    b.clear()

 

9：可迭代对象的切片操作

 

    # 什么是可迭代
    可以通过for循环遍历对象中的元素，那么就是可迭代对象
    # 如何判断一个对象是可迭代对象
    from collections import Iterable
    isinstance('abc', Iterable) # 返回 True 
    # 可迭代对象切片， [1,4] 从数学区间概念理解为： [1,4)， 且左边一定要小于右边，与之前的概念类似，左边开始值取相等，右边取小于
    print('abcdefg'[1:4])  返回：bcd
    print([1,2,3,4,5][1:3]) 返回 [2, 3]
    # 步长
    [start:stop:step]
    print('abcdefg'[1:6:2]) 返回 bdf

 

 

本节课主要讲解了Python中的bytes和bytearray两种基本的数据类型，详细说明了如何判断一个对象是否是可迭代对象，和如何对可迭代对象进行切片操作等。

1.什么是编码

2.什么是bytes和bytearray

3.编码与解码

4.bytes的定义

5.bytes操作

6.bytearray操作

7.可迭代对象的切片操作

 

标签：bytearray,编码,utf,字节,迭代,bytes
来源： https://www.cnblogs.com/zhongguiyao/p/14870357.html