Python的字元編碼

標籤：span   電腦   處理   gpo   utf-8   位元   數字   最大   unicode   

字元編碼

　　因為電腦只能處理數字，如果要處理文本，就必須先把文本轉換為數字才能處理。最早的電腦在設計時採用8個位元（bit）作為一個位元組（byte），所以，一個位元組能表示的最大的整數就是255（二進位11111111=十進位255），如果要表示更大的整數，就必須用更多的位元組。比如兩個位元組可以表示的最大整數是65535，4個位元組可以表示的最大整數是4294967295。

　　由於電腦是美國人發明的，因此，最早只有127個字母被編碼到電腦裡，也就是大小寫英文字母、數字和一些符號，這個編碼錶被稱為ASCII編碼，比如大寫字母A的編碼是65，小寫字母z的編碼是122。

　　中文編碼問題一直是程式員頭疼的問題。Python2的預設編碼是ASCII碼，Python3的預設編碼是UTF-8

一、python2 與  python3   通用的編碼方式

　　1、UTF-8編碼方式：  

　　　　英文 ：A　　00100000　　　　　　　　　　　　　　8位      1位元組

　　　　中文： 中     00000001   00000010  00001110　　24位　　3位元組　　

 　　2、GBK編碼方式：　  

　　　　英文： A　　00000110　　　　　　　　　　　　　　      8位　　1位元組

　　　　中文： 中     00000010  00000110　　　　　　　　　　16位　　2位元組

 　　各個編碼之間二進位，是不能互相識別的，會產生混亂

　　 檔案之間的儲存、傳輸、不能用Unicode碼（因為所佔用的空間太大），只能用UTF-8、UTF-16、GBK、GB2312、ASCII碼

　　3、str在Python中是用Unicode碼，還有一種是bytes 類型

　　　　1、英文

　　　　　str：

　　　　　　表現形式 　　s = ‘alex‘

　　　　　　編碼方式 　　0101010101　　unicode

　　　　　bytes：

　　　　　　表現形式　　s = b‘alex‘ 

　　　　　　編碼方式　　00101010　　utf-8　　gbk　　

　　　　2、中文

　　　　　str：

　　　　　　表現方式　　s= ‘中國‘ 

　　　　　　編碼方式　　01010110　　utf-8　　gbk

　　　　　bytes：

　　　　　　表現方式　　b‘x\e91\e91\e01\e21\e31\e32

　　　　　　編碼方式　　01001100　　utf-8　　gbk

 

Python的字元編碼