各种编码在内存中所占的大小:
ascii: 英文:8bit (1B) uft-8: 英文:8bit (1B) 中文:24bit (3B) GBK: 英文:8bit (1B) 中文:16bit (2B) unicode: 英文:32bit (4B) 中文:32bit (4B)
python3代码执行过程:
- 解释器找到代码文件(文件以utf8/GBK..存储)，
- 把代码字符串按文件头定义的编码进行解码到内存，转成unicode
- 所有的变量字符都会以unicode编码声明(str的编码方式就是unicode)
unicode只在内存中进行显示, 传输和存储需要用到utf8/GBK.., 所以必须转成utf8/GBK..
str和bytes的区别就是编码方式的不同:
1 str(unicode编码) ==> bytes(utf8/GBK..) ==> 存储, 传输 2 bytes = str.encode('utf-8') # 编码 3 str = bytes.decode('utf-8') # 解码
python3中str和bytes表现和编码:
1 英文: 2 str: 表现方式==>'a' 3 编码方式==>0101 unicode 4 5 bytes: 表现方式==>b'a' 6 编码方式==>0101 utf8/GBK.. 7 8 9 中文: 10 str: 表现方式==>'中' 11 编码方式==>0101 unicode 12 13 bytes: 表现方式==>b'xe9' 14 编码方式==>0101 utf8/GBK..
在python2中:
- u'xxx'为unicode对象, 就是python3中的str
- bytes和str是同一个类型
1 s = 'a' 2 print (s, type(s)) # 'a', <type 'str'> 3 4 5 s = u'中文' 6 print(s, type(s)) # u'u4e2du6587', <type 'unicode'> 7 # 编码变成utf-8, 一个中文三个字节 8 s1 = s.encode('utf-8') 9 print(s1, type(s1)) # 'xe4xb8xadxe6x96x87', <type 'str'> 10 11 12 # bytes和str是同一个类型 13 s1 = 'a' 14 s2 = bytes('a') 15 print(s1 is s2) # True