zoukankan      html  css  js  c++  java
  • 字符编码与二进制

    字符编码

    Python 解释器在加载.py文件中的代码是,会对内容进行编码(默认ascII)

    ASCII(American Standard Code for Iformation Interchange,美国标准信息交换代码)是基于拉丁字母的一套电脑编码系统,主要用于显示现代英语和其他西欧语言,其最多只能用8位来表示(一个字节),即2**8=256-1,所以ASCII码最多只能表示255个符号。

                                                        ASCII 字符代码表 一

    关于中文

    为了处理汉字,程序员设计了用于简体中文的GB2312和用于繁体中文的big5。

    GB2312(1980年)一共收录了7445个字符,包括6763个汉字和682个其他符号。汉子去的内码范围高字节从B0-F7,低字节从A1-FE,占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。

    GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号,他分为汉字区和图文符号区。汉字区包括21003个字符。2000年的GB18030是取代GBK1.0的正式国家标准。该标准收收录了27484个汉字,同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。现在的PC平台必须支持GB18030,对嵌入式产品暂不作要求。所以手机、mp3只支持GB2312.

    从ASCII、GB2312、GBK到GB18030,这些编码方法是向下兼容的,即同一个字符在这些方案中总是有相同的编码,后面的标准支持更多的字符。在这些编码中,英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0.按程序员的称呼,GB2312、GBK到GB18030都属于双字节字符集(DBCS)。

    有的中文Windows的缺省内码还是GBK,可以通过GB18030升级包升级到GB18030。不过GB18030相对GBK增加的字符,普通人是很难用到的,通常我们还是用GBK指代中文Windows内码。

    显然ASCII码无法将世界上的各种文字和符号全部表示,所以,就需要新出一种可以代表所有字符和符号的编码,即:Unicode

    Unicode(统一码,万国码,单一码)是一种在计算机上使用的字符编码,Unicode是为了解决传统的字符编码方案的局限而产生的,它为每种语言中的每个字符设定了统一并且唯一的二进制编码,规定所有的字符和符号最少由16位来表示(2个字节),即:2**16=65536,

    注:此处说的是最少2个字节,可能更多;

    UTF-8,是对Unicode编码的压缩和优化,他不再使用最少使用2个字节,而是将所有的字符和符号进行分类:

    ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存,东亚的字符用3个字节保存......

    所以,Python解释器在加载.py文件中的代码时,会对内容进行编码(默认ascii),如果是如下代码的话:

    报错:ascii码无法表示中文

    #!/usr/bin/env python
    
    print("你好,世界")
    

      改正:应该显示的告诉Python解释器,用什么编码来执行源代码,即:

    #!/usr/bin/env python
    #-*-coding:utf-8 -*-
    
    print ("你好,世界")

    注释

           当行注释:# 被注释内容

           多行注释:'''被注释内容'''

  • 相关阅读:
    安装SQL Server 2012遇到“需要更新的以前的Visual Studio 2010实例.”
    搭建网站 discuzx ecshop php
    appserv安装
    php 修改 AppServ 下Apache 端口
    sed基本用法
    grep命令
    awk命令详解二
    Java面向对象六大原则
    Java基础——常用类之日期时间类
    springMVC第一天——入门、整合与参数绑定
  • 原文地址:https://www.cnblogs.com/lzhn/p/7794029.html
Copyright © 2011-2022 走看看