编码

一、各种编码

1.1 各种编码的字节占用个数

ascii ： 一个字符用1个字节表示
        A: 0000 0010 8位，1个字节
unicode ：中文、英文都是32位，4个字节
         A： 00000000 00000001 00000010 00000100 32位，四个字节
        中： 00000000 00000001 00000010 00000110 32位，四个字节
utf-8： 1个英文 8位，1个字节
        欧洲 16位，2个字节表示一个字符
        亚洲 24位，3个字节表示一个字符
        A：0010 0000 1个字节，8位
        中：0001 0000 1000 0000 0000 0000，,3个字节，24位
gbk：
        A: 0000 0010 8位，1个字节
        中：0000 0010 0000 0110 ，2个字节，16位
1、各个编码直接的二进制是不能互相识别，会产生乱码
2、文件的存储及传输不用unicode,因为unicode太占空间，所以只能用utf-8、gbk、gb2312、ascii码等
在py3中：str在内存中是用unicode存储的，即用unicode的编码方式
           bytes类型：与str编码方式的区别是不用unicode编码，是用utf-8、gbk、gb2312、ascii等编码方式
           对应英文：
                 str: 表现形式： s = "peng"
                      内部存储：010000 00000000 00000000 00000000 unicode
                 bytes：表现形式：s = b"peng"
                       编码方式：00001010 可能是utf-8或者gbk等
             对于中文：
                    str: 表现形式： s = "peng"
                        内部存储：010000 00000000 00000000 00000000 unicode
                    bytes：表现形式：s = b'x\e91\e91\e01\e21\e32'                        编码方式：00001010 可能是utf-8或者gbk等

1.2 编码类型举例
str与bytes数据类型

1 = "peng"
s2 = b"peng"

print(s1,type(s1))
print(s2,type(s2))
结果：
peng <class 'str'>
b'peng' <class 'bytes'>

s1 = "广东"
print(s1,type(s1))
s2 = b"广东"
print(s2,type(s2))
结果：
 File "E:/Python Project/05/Day5/编码.py", line 42
    s2 = b"广东"
        ^
SyntaxError: bytes can only contain ASCII literal characters.

encode 编码，将str转为bytes，内部其实就是unicode转为gbk或者utf-8等类型

s1 = "peng"
s2 = s1.encode("utf-8")#把str类型数据转为bytes类型，并且为utf-8类型
print(s2)
s2 = s1.encode("gbk")#把str类型数据转为bytes类型，并且为gbk类型
print(s2)
结果：
b'peng'
b'peng'

encode编码，将中文转为bytes类型

s3 = "广东"
s4 = s3.encode("utf-8") #每一个中文用3个字节
print(s4)
s5 = s3.encode("gbk") #每一个中文用2个字节
print(s5)

b'\xe5\xb9\xbf\xe4\xb8\x9c'
b'\xb9\xe3\xb6\xab'

 1.2 默认编码

Windows默认是GBK编码模式，py开发软件里面默认是utf-8模式