码迷,mamicode.com
首页 > 编程语言 > 详细

python 浅谈小数据池和编码

时间:2018-11-20 17:09:26      阅读:157      评论:0      收藏:0      [点我收藏+]

标签:地址   字符集   完成   put   comm   com   spec   object   文字   

?. ?数据池

  在说?数据池之前. 我们先看?个概念. 什么是代码块:

根据提示我们从官??档找到了这样的说法:
A Python program is constructed from code blocks. A block is a piece of
Python program text that is executed as a unit. The following are blocks: a
module, a function body, and a class definition. Each command typed
interactively is a block. A script file (a file given as standard input to
the interpreter or specified as a command line argument to the interpreter)
is a code block. A script command (a command specified on the interpreter
command line with the ‘-c‘ option) is a code block. The string argument
passed to the built-in functions eval() and exec() is a code block.
A code block is executed in an execution frame. A frame contains some
administrative information (used for debugging) and determines where and
how execution continues after the code block’s execution has completed.
粗略的翻译:
python程序是由代码块构成的. ?个代码块的?本作为python程序执?的单元.
代码块: ?个模块, ?个函数, ?个类, 甚?每?个command命令都是?个代码块. ?个?件也是?
个代码块, eval()和exec()执?的时候也是?个代码块

 

二、接下来我们来看一下小数据池is和 ==的区别

  1、id( )

  通过id( )我们可以查看到一个变量表示的值的内存地址

s = alex
print(id(s)) # 4326667072

   2、is和==

    == 判断左右两段的值是否相等,是否一致

    is 判断左右两端的内存地址是否一致,如果一致就返回True

    注意:如果内存地址相同. 那么值?定是相等的如果值相等. 则不?定是同?个对象 。

  3、?数据池.:?种数据缓存机制. 也被称为驻留机制

     ?数据池只针对: 整数, 字符串, 布尔值. 其他的数据类型不存在驻留机制 。

对于整数, Python官??档中这么说:
The current implementation keeps an array of integer objects for all
integers between -5 and 256, when you create an int in that range you
actually just get back a reference to the existing object. So it should be
possible to change the value of 1. I suspect the behaviour of Python in
this case is undefined.

对于字符串:
Incomputer science, string interning is a method of storing only onecopy of
each distinct string value, which must be immutable. Interning strings
makes some stringprocessing tasks more time- or space-efficient at the cost
of requiring moretime when the string is created or interned. The distinct
values are stored ina string intern pool. –引?维基百科

    在python中对-5到256之间的整数会被驻留在内存中,将一定规则的字符串缓存,在使用的时候,内存中只会创建一个该数据的对象,保存小数据池中,当使用的时候直接从

小数据池中获取对象的内存引用,二不需要创建一个新的数据,这样可以节省更多的内存。

  优点:能够提高一些字符串、整数的处理速度,省去了创建对象的过程。

  缺点:在”池“中插入或者创建新值会花费更多时间。

  对于数字: -5~256是会被加到?数据池中的. 每次使?都是同?个对象.
  对于字符串:
    1. 如果字符串的?度是0或者1, 都会默认进?缓存
    2. 字符串?度?于1, 但是字符串中只包含字?, 数字, 下划线时才会缓存
    3. ?乘法的到的字符串. . 乘数为1, 仅包含数字, 字?, 下划线时会被缓存. 如果
     包含其他字符, ??度<=1 也会被驻存, . 乘数?于1 . 仅包含数字, 字?, 下划
        线这个时候会被缓存. 但字符串?度不能?于20
    4. 指定驻留. 我们可以通过sys模块中的intern()函数来指定要驻留的内容.

a = 1000
b = 1000
print(a is b)
注意. 在py?件中.得到的结果是True, 但是在command中就不是了.

  在代码块内的缓存机制是不?样的. 在执?同?个代码块的初始化对象的命令时, 会检查是否其值是否已经存在, 如果存在, 会将其重?. 换句话说: 执?同?个代码块时,

遇到初始化对象的命令时他会将初始化的这个变量与值存储在?个字典中, 在遇到新的变量时, 会先在字典中查询记录, 如果有同样的记录那么它会重复使?这个字典中的

之前的这个值. 所以在你给出的例?中, ?件执?时(同?个代码块) 会把a, b两个变量指向同?个对象.如果是不同的代码块, 他就会看这个两个变量是否是满??数据池的数据,

如果是满??数据池的数据则会指向同?个地址. 所以: a, b的赋值语句分别被当作两个代码块执?, 但是他们不满??数据池的数据所以会得到两个不同的对象, 因?is判断

返回False.

  

三、编码

  1. ASCII : 最早的编码. ??有英??写字?, ?写字?, 数字, ?些特殊字符. 没有中?,801代码, 8bit, 1byte
  2. GBK: 中?国标码, ??包含了ASCII编码和中?常?编码. 16bit, 2byte
  3. UNICODE: 万国码, ??包含了全世界所有国家?字的编码. 32bit, 4byte, 包含了ASCII
  4. UTF-8: 可变?度的万国码. unicode的?种实现. 最?字符占8
    1.英?: 8bit 1byte
    2.欧洲?字:16bit 2byte
    3.中?:24bit 3byte

  在python3的内存中,在程序运行阶段,使用的是unicode编码。因为unicode是万国码,什么内容都可以进行显示,

那么在数据传输和存储的时候由于unicode比较浪费时间和资源。需要把unicode转村委utf-8或者gbk进行存储。

  在python中可以把文字信息进行编码。编码以后的内容就可以进行传输了,编码以后的数据都是bytes类型的数据,其实

原来的数据只是被编码了,并没有改变信息内容。

  5、bytes的表现形式:

    1、英文 b‘ alex’ 引文的表现形式跟字符串没什么区别

    2、中文 b‘\xe4\xb8\xad‘ 这是一个汉字的utf-8的bytes表现形式。

  字符串在传输时转化成bytes=> encode(字符集)来完成

s = "alex"
print(s.encode("utf-8")) # 将字符串编码成UTF-8
print(s.encode("GBK")) # 将字符串编码成GBK

结果:
balexbalex

s = ""
print(s.encode("UTF-8")) # 中?编码成UTF-8
print(s.encode("GBK")) # 中?编码成GBK

结果:
b\xe4\xb8\xad
b\xd6\xd0

  解码

s = "我叫李嘉诚"
print(s.encode("utf-8")) #
b\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a
print(b\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a.decode("utf-8")) # 解码

  编码和解码的时候都需要制定编码格式.

s = "我是?字"
bs = s.encode("GBK") # 我们这样可以获取到GBK的?字
# 把GBK转换成UTF-8
# ?先要把GBK转换成unicode. 也就是需要解码
s = bs.decode("GBK") # 解码
# 然后需要进?重新编码成UTF-8
bss = s.encode("UTF-8") # 重新编码
print(bss)

 

 

 

 

   

  

python 浅谈小数据池和编码

标签:地址   字符集   完成   put   comm   com   spec   object   文字   

原文地址:https://www.cnblogs.com/angle6-liu/p/9986104.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!