python编程基础之字符编码

标签：编码   一段   解释器   程序   阶段   decode   unicode   python2   info   

字符编码具体原理

计算机的三大核心cpu、内存、硬盘，CPU相当于人的大脑，内存做临时存储，硬盘做永久存储

文本编辑器存取文件的原理（nodepad++,pycharm,word）

打开编辑器就可以启动一个进程，是在内存中的，所以在编辑器编写的内容也都是存放在内存中的，断电后数据就丢失了。因而需要保存在硬盘上，点击保存按钮或快捷键，就把内存中的数据保存到了硬盘上。在这一点上，我们编写的py文件（没有执行时），跟编写的其他文件没有什么区别，都只是编写一堆字符而已。

python解释器执行py文件的原理，例如python test.py

• 第一阶段：python解释器启动，此时就相当于启动了一个文本编辑器
• 第二阶段：python解释器相当于文本编辑器，去打开test.py，从硬盘上将test.py的文件内容读入到内存中
• 第三阶段：python解释器执行刚刚加载到内存中的test.py的代码（在该阶段，即执行时，才会识别python的语法，执行到字符串时，会开辟内存空间存放字符串）、

总结：python解释器与文本编辑器的异同

相同点：python解释器是解释执行文件内容的，因而python解释器具备读py文件的功能，这一点与文本编辑器一样

不同点：文本编辑器将文件内容读入内存后，是为了显示/编辑，而python解释器将文件内容读入内存后，是为了执行（识别python的语法）

什么是编码？

计算机想要工作必须通电，高低电平（高电平即二进制数1，低电平即二进制数0），也就是说计算机只认识数字。那么让计算机如何读懂人类的字符呢?

　　这就必须经过一个过程：

　　　　字符---------（翻译过程）-------------数字

　　这个过程实际就是一个字符如何对应一个特定数字的标准，这个标准称之为字符编码。

以下两个场景涉及到字符编码的问题：

1.一个python文件中的内容是由一堆字符组成的（python文件未执行时）
2.python中的数据类型字符串是由一串字符组成的（python文件执行时）

字符编码的发展史

• 阶段一：现代计算机起源于美国，最早诞生也是基于英文考虑的ASCII

  ASCII:一个Bytes代表一个字符（英文字符/键盘上的所有其他字符），1Bytes=8bit，8bit可以表示0-2**8-1种变化，即可以表示256个字符
  ASCII最初只用了后七位，127个数字，已经完全能够代表键盘上所有的字符了（英文字符/键盘的所有其他字符），
  后来为了将拉丁文也编码进了ASCII表，将最高位也占用了

• 阶段二:为了满足中文，中国人定制了GBK
  GBK:2Bytes代表一个字符，为了满足其他国家，各个国家纷纷定制了自己的编码，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里

• 阶段三：各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。
  于是产生了unicode，　统一用2Bytes代表一个字符，　2**16-1=65535，可代表6万多个字符，因而兼容万国语言

但对于通篇都是英文的文本来说，这种编码方式无疑是多了一倍的存储空间（二进制最终都是以电或者磁的方式存储到存储介质中的）

于是产生了UTF-8，对英文字符只用1Bytes表示，对中文字符用3Bytes
需要强调的是:

　　unicode:简单粗暴，多有的字符都是2Bytes,优点是字符--数字的转换速度快；缺点是占用空间大。

　　utf-8:精准，可变长，优点是节省空间；缺点是转换速度慢，因为每次转换都需要计算出需要多长Bytes才能够准确表示。

1.内存中使用的编码是unicode，用空间换时间（程序都需要加载到内存才能运行，因而内存应该是越快越好）

2.硬盘中或网络传输用utf-8，保证数据传输的稳定性，用时间换空间（数据传输时，数据量越小越好）。

字符编码转换

unicode------>encode(编码)-------->utf-8

utf-8---------->decode--------->unicode

文件从内存刷到硬盘的操作简称存文件

文件从硬盘读到内存的操作简称读文件

乱码：存文件时就已经乱码 或者 存文件时不乱码而读文件时乱码

总结：

核心法则就是，文件以什么编码保存的，就以什么编码方式打开

文本编辑器之python解释器

文件test.py以gbk格式保存，内容为：

　　x=‘林‘

无论是

　　python2 test.py

还是

　　python3 test.py

都会报错（因为python2默认ascii，python3默认utf-8）

除非在文件开头指定#coding:gbk

程序的执行

python3 test.py 或 python2 test.py（执行test.py的第一步，一定是先将文件内容读入到内存中）

• 阶段一：启动python解释器

• 阶段二：python解释器此时就是一个文本编辑器，负责打开文件test.py,即从硬盘中读取test.py的内容到内存中

此时，python解释器会读取test.py 的第一行内容，#coding :utf-8,来决定以什么编码格式来读入内存，这一行就是来设定python解释器这个软件的编码使用的编码格式这个编码，python2默认使用ASCII，python3中默认使用utf-8

• 阶段三：读取已经加载到内存的代码（unicode编码的二进制），然后执行，执行过程中可能会开辟新的内存空间，比如x="egon"
  内存的编码使用unicode，不代表内存中全都是unicode编码的二进制，

在程序执行之前，内存中确实都是unicode编码的二进制,比如从文件中读取了一行x="egon",其中的x，等号，引号，地位都一样，都是普通字符而已，都是以unicode编码的二进制形式存放与内存中的

但是程序在执行过程中，会申请内存（与程序代码所存在的内存是俩个空间），可以存放任意编码格式的数据，比如x="egon",会被python解释器识别为字符串，会申请内存空间来存放"hello"，然后让x指向该内存地址，此时新申请的该内存地址保存也是unicode编码的egon,如果代码换成x="egon".encode(‘utf-8‘),那么新申请的内存空间里存放的就是utf-8编码的字符串egon了

python2与python3的区别

在python2中有两种字符串类型str和unicode:在python2中，str就是编码后的结果bytes，所以在Python2中，unicode字符编码的结果就是str/bytes

在python3中也有两种字符串类型str和bytes

对于unicode格式的数据来说，无论怎么打印，都不会乱码

python3中的字符串与python2中的u‘字符串‘，都是unicode，所以无论如何打印都不会乱码

python编程基础之字符编码

标签：编码   一段   解释器   程序   阶段   decode   unicode   python2   info   

原文地址：https://www.cnblogs.com/happy-winds/p/14756607.html