第七章 字符编码

1.字符编码

数据 从 硬盘 => 内存 => cpu
 应用程序打开文本文件的三步骤
 1.打开应用程序
 2.将数据加载到内存中
 3.cpu将内存中的数据直接翻译成字符显示给用户

 python解释器
 1.打开python解释器
 2.将数据加载到内存中
 3.cpu将内存中的数据解释执行将结果显示给用户，如何解释执行不能通过，将错误信息提供给用户

 编码的发展史
 电脑只能识别高低电平对应的0,1信息 => 问题：如何将世间万物信息存放到内存中
 世间万物信息 => 0,1形式的数据 => 电脑中存放，将该过程逆向操作，就是访问已存储的数据信息

 编码表
 人能识别的字符 <=> 机器能识别的字符：一定存在一种固定的对应关系
 编码表：一定范围内人能识别的字符与机器能识别的字符形成的对应关系表(映射表)

 1.   ASCII表：英文字母、英文符号、数字与机器能识别的字符的对应关系表，8个二进制位就能存放完这所有的对应关系 => 1字节
       python2采用的默认编码是ASCII，早期并不支持中文编程
 2_1.  GBK：中文与与机器能识别的字符的对应关系表（完全兼容ASCII表）,16个二进制位能存放所有汉字与ASCII之前的对应关系 => 2个字节
       2个字节能否存放常用汉字 => 16个二进制位 2^15
        print(pow(2, 15))
 2_2.  Shift_JIS | Euc-kr：日文 | 韩文 与机器能识别的字符的对应关系表（完全兼容ASCII表）

         乱码：存的编码格式与取的编码格式不一致
 3.  Unicode万国码：世间中常用国家的常用字符与机器能识别的字符的对应关系表

 转码：Unicode存在汉字与二进制对应关系，GBK也存在汉字与二进制对应关系，将GBK存放的数据转存到Unicode数据

            均采用Unicode编码表，只是存放数据采用字节数不一致，utf-8与utf-16是Unicode编码表的两种体现方式
 utf-8：以1个字节存放英文，以3 或 （|）6个字节存放汉字，在英文数据过多时，更深空间，用来传输效率更高
 utf-16：所有支持的符号都采用2个字节存放，读存数据采用定长，不用计算，读存效率高

               硬盘到内存需要数据的传输，内存到CPU需要数据的传输，所有都采用utf-8
               内存需要高速读写，采用utf-16

4.    学习的结晶：编码与解码要统一编码

 操作文本字符
res = "汉字呵呵".encode('utf-8') # 编码：将普通字符串转化为二进制字符串
print(res) # b'\xe6\xb1\x89\xe5\xad\x97\xe5\x91\xb5\xe5\x91\xb5'

res = b'\xe5\x91\xb5\xe5\x91\xb5'.decode('GBK') # 解码：将二进制字符串转化为普通字符串
print(res) # 鍛靛懙 乱码了
res = b'\xe5\x91\xb5\xe5\x91\xb5'.decode('utf-8')
print(res) # 呵呵 读写编码统一后就不乱码了

标签：编码,utf,字符,xe5,存放,内存,第七章
来源： https://www.cnblogs.com/sry622/p/10738649.html