再谈编码

一. is和==的区别

1. id()       

通过id()我们可以查看到⼀一个变量量表⽰示的值在内存中的地址.

s = 'alex' 
print(id(s))   # 4326667072 
s = "alex" 
print(id(s))   # 4326667072

lst = [1, 2, 4] 
print(id(lst))      # 4326685768 
lst1 = [1, 2, 4] 
print(id(lst1))      # 4326684360

 我们发现字符串的数据地址是⼀样的,⽽列表的数据地址是不一样的.

tup = (1, 2)
tup1 = (1, 2)
print(id(tup))
print(id(tup1))
结果:

2254418576840
2254418576904

可以看出,元组的数据地址也是不一样的

小数据池(常量池): 把我们使⽤过的值存储在小数据池中.供其他的变量使用. 
⼩数据池给数字和字符串使⽤, 其他数据类型不存在
对于数字: -5~256是会被加到小数据池中的. 每次使用都是同一个对象.
对于字符串: 
    1. 如果是纯⽂字信息和下划线. 那么这个对象会被添加到小数据池 
    2. 如果是带有特殊字符的. 那么不会被添加到小数据池. 每次都是新的 
    3. 如果是单一字母*n的情况. 'a'*20, 在20个单位内是可以的. 超过20个单位就不会添加 到小数据池

注意:
(一般情况下): 在py⽂文件中. 如果你只是单纯的定义一个字符串. 那么一般情况下都是会 被添加到小数据池中的. 
我们可以这样认为: 在使用字符串的时候, python会帮我们把字符串 进行缓存, 在下次使用的时候直接指向这个字符串即可. 可以节省很多内存

2.is和id的比较

is比较的就是id()计算出来的结果. 由于id是帮我们查看某数据(对象) 的内存地址. 那么is比较的就是数据(对象)的内存地址.

最终我们通过is可以查看两个变量使用的是否是同一个对象. 

==  双等表示的是判断是否相等, 注意. 这个双等比较的是具体的值.而不是内存地址 
s1 = "哈哈" 
s2 = "哈哈" 
print(s1 == s2)  # True 
print(s1 is s2)  # True 原因是有小数据池的存在,导致两个变量指向的是同一个对象

l1 = [1, 2, 3] 
l2 = [1, 2, 3] 
print(l1 == l2)  # True, 值是⼀一样的 
print(l1 is l2)  # False, 值是假的
总结:     
is 比较的是地址    == 比较的是值

二. 编码的补充

编码回顾:

　　1. ASCII : 最早的编码. 里面有英文大写字母, 小写字母, 数字, 一些特殊字符. 没有中文, 8个01代码, 8个bit, 1个byte
　　2. GBK: 中文国标码, 里面包含了了ASCII编码和中文常用编码. 16个bit, 2个byte

　　3. UNICODE: 万国码, 里面包含了全世界所有国家文字的编码. 32个bit, 4个byte, 包含了了 ASCII

　　4. UTF-8: 可变长度的万国码. 是unicode的一种实现. 最小字符占8位

　　　　 1.英⽂文: 8bit 1byte

　　　　 2.欧洲⽂文字:16bit 2byte

　　　　 3.中⽂文:24bit 3byte 综上,

除了了ASCII码以外, 其他信息不能直接转换.

　　在python3的内存中. 在程序运行阶段. 使用的是unicode编码. 那么在数据传输和存储的时候由于unicode比较浪费空间和资源,
需要把 unicode转存成UTF-8或者GBK进行存储.在python中可以把文字信息进行编码. 编码之后的内容就可以进行传输了.编码之后
的数据是bytes类型的数据.其实啊.还是原来的数据,只是经过编码之后表现形式发生了改变而已.

bytes的表现形式:  
1. 英文   b'alex'  英文的表现形式和字符串没什么两样 
2. 中文   b'xe4xb8xad'  这是一个汉字的UTF-8的bytes表现形式

编码和解码:

编码(encode)

字符串在传输时转化成bytes=> encode(字符集)来完成

s = "alex" 
print(s.encode("utf-8"))    # 将字符串编码成UTF-8 
print(s.encode("GBK"))  # 将字符串编码成GBK 
结果: b'alex'
　　 b'alex'

s = "中" 
print(s.encode("UTF-8"))    # 中文编码成UTF-8 
print(s.encode("GBK"))  # 中文编码成GBK 
结果: b'xe4xb8xad' 
　　b'xd6xd0
 我们能看到.一个中文的UTF-8编码是3个字节. 一个GBK的中文编码是2个字节.

解码(decode)

 那么在对方接收的时候. 也是接收的bytes类型的数据. 我们可以使用decode()来进行解码操作. 把bytes类型的数据还原回我们熟悉的字符串:

s = "我叫李李嘉诚" 
print(s.encode("utf-8"))   # b'xe6x88x91xe5x8fxabxe6x9dx8exe5x98x89xe8xafx9a' 

print(b'xe6x88x91xe5x8fxabxe6x9dx8exe5x98x89xe8xafx9a'.decod e("utf-8"))  # 解码

编码和解码的时候都需要制定编码格式.

s = "我是⽂文字" 
bs = s.encode("GBK")    # 我们这样可以获取到GBK的文字 
# 把GBK转换成UTF-8 
# ⾸首先要把GBK转换成unicode. 也就是需要解码 
s = bs.decode("GBK")  # 解码
 # 然后需要进⾏行行重新编码成UTF-8 
bss = s.encode("UTF-8") # 重新编码 
print(bss)