字符串编码

字符串编码

1、字符编码的编码原理

       核心法则：数据以何种编码方式存放的，就以何种方式取码   

       PS:unicode--->utf-8--->bytes    bytes---->utf-8--->unicode    Windows操作系统中默认的是gbk编码方式。   

ASCII：一个Bytes代表一个字符    日本把日文编到shift_JIS里，韩国把韩文编到Euc-kr   

unicode ,统一用2Bytes代表一个字符，2**16=65535，可代表6万多个字符。   

utf-8，对英文符采用1Bytes表示，对中文字符用3Bytes.   

内存中使用的编码是unicode,用空间换时间（内存应该尽可能的快）   

硬盘中或网络传输用utf-8，网络延迟或磁盘读写延迟要远大于utf-8的转换延迟，而且读写应该尽可能的节省带宽，保证数据传输的稳定性。  

  内存----------》硬盘   

unicode---->encode---->utf-8   

utf-8----->decode----->unicode     

乱码出现的原因：   

    1、在存数据时采用不兼容的编码的方式   

    PS:中文字符用ASCII存取。数据不可恢复。   

    2、在decode数据时用于encode不同的编码方式decode数据。     

2、程序的执行

程序的执行分三步

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，负责打开文本文件，并将文件从硬盘中读取到内存中。

阶段三：读取已经加载到内存中的代码。执行过程中可能会开辟新的内存空间。（内存中普遍采用unicode的二进制。）   

python2中的两种字符串类型

1、str

   在python2中，str就是编码后的结果bytes,str=bytes,所以在python2中，unicode字符的编码结果是str/bytes.

2、unicode

unicode会申请新的内存地址，然后将'林'以unicode的格式存放到新的内存空间中，所以s只能encode，不能decode

s=u'林'
print repr(s) #u'u6797'
print type(s) #<type 'unicode'>


# s.decode('utf-8') #报错，s为unicode，所以只能encode
s.encode('utf-8')