Python基礎 二進位和字元編碼

標籤：轉化   中文   亂碼問題   統一   基於   info   inf   拉丁字母   資料   

二進位定義

　　二進位是計算技術中廣泛採用的一種數制。位元據是用0和1兩個數位來表示的數。它的基數為2，進位規則是“逢二進一”，借位規則是“借一當二”，由18世紀德國數理哲學大師萊布尼茲發現。當前的電腦系統使用的基本上是二進位系統，資料在電腦中主要是以補碼的形式儲存的。電腦中的二進位則是一個非常微小的開關，用“開”來表示1，“關”來表示0。

二進位與十進位轉換

　　我們已經發現，二進位的第n位代表的十進位值都剛好遵循著2的n次方這個規律

字元編碼

　　通過二進位的知識，大家已經知道電腦只認識二進位，生活中的數字要想讓電腦理解就必須轉換成二進位。十進位到二進位的轉換隻能解決電腦理解數位問題，那麼文字要怎麼讓電腦理解呢？

　　於是我們就選擇了一種曲線救國的方式，既然數字可以轉換成十進位，我們只要想辦法把文字轉換成數字，這樣文字不就可以表示成二進位了嗎？

　　約定了一個表，把文字和數字對應上，這張表就相當於翻譯，我們可以拿著一個數字來對比對應表找到相應的文字，反之亦然。

ASCII碼

　　假如我們就已經有這麼一張表了

　　

　　ASCII（American Standard Code for Information Interchange，美國資訊交換標準代碼）是基於拉丁字母的一套電腦編碼系統，主要用於顯示現代英語和其他西歐語言。它是現今最通用的單位元組編碼系統，並等同於國際標準ISO/IEC 646。

　　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。後128個稱為擴充ASCII碼。

　　那現在我們就知道了上面的字母符號和數字對應的表是早就存在的。那麼根據現在有的一些十進位，我們就可以轉換成二進位的編碼串。

GBK和GB2312

　　顯然，對於我們來說能在電腦中顯示中文字元是至關重要的，然而剛學習的ASCII表裡連一個偏旁部首也沒有。所以我們還需要一張關於中文和數字對應的關係表。之前我們已經看到了，一個位元組只能最多表示256個字元，要處理中文顯然一個位元組是不夠的，所以我們需要採用兩個位元組來表示，而且還不能和ASCII編碼衝突，所以，中國制定了GB2312編碼，用來把中文編進去。

Unicode

　　Unicode應運而生。Unicode把所有語言都統一到一套編碼裡，這樣就不會再有亂碼問題了。

　　Unicode標準也在不斷髮展，但最常用的是用兩個位元組表示一個字元（如果要用到非常偏僻的字元，就需要4個位元組）。現代作業系統和大多數程式設計語言都直接支援Unicode。

　　現在，捋一捋ASCII編碼和Unicode編碼的區別：

　　ASCII編碼是1個位元組，而Unicode編碼通常是2個位元組。

　　字母A用ASCII編碼是十進位的65，二進位的01000001；

　　字元0用ASCII編碼是十進位的48，二進位的00110000；

　　漢字“中”已經超出了ASCII編碼的範圍，用Unicode編碼是十進位的20013，二進位的01001110 00101101。

　　你可以猜測，如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可以，因此，A的Unicode編碼是00000000 01000001。

UTF-8

　　本著節約的精神，又出現了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字元根據不同的數字大小編碼成1-6個位元組，常用的英文字母被編碼成1個位元組，漢字通常是3個位元組，只有很生僻的字元才會被編碼成4-6個位元組。如果你要傳輸的文本包含大量英文字元，用UTF-8編碼就能節省空間的。

　　

 

Python基礎 二進位和字元編碼