码迷,mamicode.com
首页 > 编程语言 > 详细

08_Python编码与解码

时间:2018-01-29 19:13:11      阅读:173      评论:0      收藏:0      [点我收藏+]

标签:二进制格式   指定   统一   http   数据   sci   乱码问题   zhang   文件   

一、编码的由来

因为计算机只能处理010101二进制数据,如果要处理文本,图像,视频等,需要我们把数据转换成01010二进制格式才能被计算机处理

最先出现的是ASCII,用8位一个字节来表示,成为单字节码,一个字节最多能表示256种可能,只能表示英文和符号。无法表示中文、日文、韩文等其他语言256明显不够。所以unicode应运而生,unicode采用32位4个字节来表示,把所有的语言都统一到一套编码里,解决了乱码问题。

但新的问题出现了,如果编写一份英文文档,采用unicode编码的文件比ascii编码的文件多两倍的空间,在存储和传输上显得浪费资源。

utf-8应运而生,UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间。

二、计算机编码工作方式:

在计算机内存种,统一使用unicode编码,当需要保存到硬盘或者需要传输的时候,采用utf-8编码。

我们查看博客园的源代码,就可以看出,服务器传输给浏览器的编码格式是utf-8.

技术分享图片

 

三、Python3字符编码

在python3当中,str在内存中的编码是unicode。如果需要存储、传输,使用unicode太浪费资源,所以转换成非unicode编码进行存储和传输。

bytes(字节):数据存储是以bytes为单位。字节是指一小组相邻的二进制数码。通常是8位作为一个字节。它是构成信息的一个小单位,并作为一个整体来参加操作,比字符串小,是构成字符串的单位。

字节:一串二进制数码作为一个整体来处理或运算,而这个整体就是字节。在计算机中,通常使用字节来表示存储器的存储容量,

在数据类型中,通常char占1个字节,int4个字节。

在字符编码中:

ASCII编码:一个英文字母(不分大小写)占一个字节的空间,一个中文汉字占两个字节的空间。

UTF-8编码:一个英文字符等于一个字节,一个中文(含繁体)等于三个字节。

Unicode编码:一个英文等于四个字节,一个中文(含繁体)等于四个字节。

unicode ->  非unicode编码

Bytes类型和str类型数据转换其实就是编码与解码的过程

utf-8,gbk都是指定编解码时的格式

#str -> gbk
s = zhangsan
b = s.encode("gbk")
s1 = 中国
b1 = s1.encode("gbk")
print(b)#b‘zhangsan‘
print(b1)#b‘\xd6\xd0\xb9\xfa‘  gbk是两个字节一个中文  中\xd6\xd0    国\xb9\xfa
# str -> utf-8
s = zhangsan
s1 = 张三

b = s.encode(utf-8)
b1 = s1.encode(utf-8)
print(b) #b‘zhangsan‘
print(b1) #b‘\xe5\xbc\xa0\xe4\xb8\x89‘  utf8是三个字节一个中文 张\xe5\xbc\xa0   三\xe4\xb8\x89

str 内部是unicode

使用encod转换成非unicode编码,如utf、gbk 

08_Python编码与解码

标签:二进制格式   指定   统一   http   数据   sci   乱码问题   zhang   文件   

原文地址:https://www.cnblogs.com/weihengblog/p/8378768.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!