编码的进阶

编码的进阶

• ASCII码：包含英文字母，数字，特殊字符与01010101对应关系。

　　a 01000001 一个字符一个字节表示。

• GBK：只包含本国文字（以及英文字母，数字，特殊字符）与0101010对应关系。

　　a 01000001 ascii码中的字符：一个字符一个字节表示。

　　中 01001001 01000010 中文：一个字符两个字节表示。

• Unicode：包含全世界所有的文字与二进制0101001的对应关系。

　　a 01000001 01000010 01000011 00000001

　　b 01000001 01000010 01100011 00000001

　　中 01001001 01000010 01100011 00000001

• UTF-8:包含全世界所有的文字与二进制0101001的对应关系（最少用8位一个字节表示一个字符）。

　 a 01000001 ascii码中的字符：一个字符一个字节表示。

　　To 01000001 01000010 (欧洲文字：葡萄牙，西班牙等)一个字符两个字节表示。

　　中 01001001 01000010 01100011 亚洲文字；一个字符三个字节表示。

1. 不同的密码本之间能否互相识别？不能。

2. 数据在内存中全部是以Unicode编码的，但是当你的数据用于网络传输或者存储到硬盘中，必须是以非Unicode编码（utf-8,gbk等等）。

• 英文：

  str： 'hello '

  ​ 内存中的编码方式： Unicode

  ​ 表现形式： 'hello'

  bytes ：

  ​ 内存中的编码方式： 非Unicode

  ​ 表现形式：b'hello'

中文：

​ str：

​ 内存中的编码方式： Unicode

​ 表现形式：'中国'

​ bytes ：

​ 内存中的编码方式： 非Unicode # Utf-8

​ 表现形式：b'xe4xb8xadxe5x9bxbd'

# str ---> bytes
# s1 = '中国'
# b1 = s1.encode('utf-8')  # 编码
# print(b1,type(b1))  # b'xe4xb8xadxe5x9bxbd'
# # b1 = s1.encode('gbk')  # 编码  # b'xd6xd0xb9xfa' <class 'bytes'>
# # bytes---->str
# b1 = b'xe4xb8xadxe5x9bxbd'
# s2 = b1.decode('utf-8')  # 解码
# print(s2)

# gbk ---> utf-8
b1 = b'xd6xd0xb9xfa'
s = b1.decode('gbk')
# print(s)
b2 = s.encode('utf-8')
print(b2)  # b'xe4xb8xadxe5x9bxbd'