python 字元編碼

再說簡單點，計算機只懂二進位制數字！

所以，目的明確了：如何將我們能識別的符號唯一的與一組二進位制數字對應上？於是美利堅的同志想到通過乙個電平的高低狀態來代指0或1，

八個電平做為一組就可以表示出

256種不同狀態，每種狀態就唯一對應乙個字元，比如a--->00010001,而英文只有26個字元，算上一些特殊字元和數字，128個狀態也夠

用了；每個電平稱為乙個位元為，約定8個位元位構成乙個位元組，這樣計算機就可以用127個不同位元組來儲存英語的文字了。這就是ascii編碼。　　

擴充套件ansi編碼 

剛才說了，最開始，乙個位元組有八位，但是最高位沒用上，預設為0；後來為了計算機也可以表示拉丁文，就將最後一位也用上了，

從128到255的字符集對應拉丁文啦。至此，乙個位元組就用滿了！

計算機漂洋過海來到中國後，問題來了，計算機不認識中文，當然也沒法顯示中文；而且乙個位元組所有狀態都被佔滿了，萬惡的帝國主義亡

我之心不死啊！我黨也是棒，自力更生，自己重寫一張表，直接生猛地將擴充套件的第八位對應拉丁文全部刪掉，規定乙個小於127的字元的意
義與原來相同，但兩個大於127的字元連在一起時，就表示乙個漢字，前面的乙個位元組（他稱之為高位元組）從0xa1用到0xf7，後面乙個位元組
（低位元組）從0xa1到0xfe，這樣我們就可以組合出大約7000多個簡體漢字了；這種漢字方案叫做 「gb2312」。gb2312 是對 ascii 的中文擴充套件。

但是漢字太多了，gb2312也不夠用，於是規定：只要第乙個位元組是大於127就固定表示這是乙個漢字的開始，不管後面跟的是不是擴充套件字符集裡的

內容。結果擴充套件之後的編碼方案被稱為 gbk 標準，gbk 包括了 gb2312 的所有內容，同時又增加了近20000個新的漢字（包括繁體字）和符號。

很多其它國家都搞出自己的編碼標準，彼此間卻相互不支援。這就帶來了很多問題。於是，國際標誰化組織為了統一編碼：提出了標準編碼準

則：unicode 。
unicode是用兩個位元組來表示為乙個字元，它總共可以組合出65535不同的字元，這足以覆蓋世界上所有符號（包括甲骨文）

unicode都一統天下了，為什麼還要有乙個utf8的編碼呢？

大家想，對於英文世界的人們來講，乙個位元組完全夠了，比如要儲存a,本來00010001就可以了，現在吃上了unicode的大鍋飯，
得用兩個位元組：00000000 00010001才行，浪費太嚴重！
基於此，美利堅的科學家們提出了天才的想法：utf8.
utf-8（8-bit unicode transformation format）是一種針對unicode的可變長度字元編碼，它可以使用1~4個位元組表示乙個符號，根據
不同的符號而變化位元組長度，當字元在ascii碼的範圍時，就用乙個位元組表示，所以是相容ascii編碼的。
這樣顯著的好處是，雖然在我們記憶體中的資料都是unicode，但當資料要儲存到磁碟或者用於網路傳輸時，直接使用unicode就遠不如utf8省空間啦！
這也是為什麼utf8是我們的推薦編碼方式。
unicode與utf8的關係：
一言以蔽之：unicode是記憶體編碼表示方案（是規範），而utf是如何儲存和傳輸unicode的方案（是實現）這也是utf與unicode的區別。

str型別　----------->位元組編碼後的二進位制資料　　　    

字串型別
unicode型別-------->unicode編碼後的二進位制資料
s1='苑'
print type(s1) # print repr(s1) #'\xe8\x8b\x91
s2=u'苑'
print type(s2) # print repr(s2) # u'\u82d1'
s1=u'苑'
print repr(s1) #u'\u82d1'
b=s1.encode('utf8')
print b
print type(b)  #print repr(b)  #'\xe8\x8b\x91'
s2='苑昊'
u=s2.decode('utf8')
print u        # 苑昊
print type(u)  # print repr(u)  # u'\u82d1\u660a'
#注意u2=s2.decode('gbk')
print u2  #鑻戞槉
print len('苑昊') #6

str型別　---------->unicode編碼後的二進位制資料　　　    

字串型別
bytes型別-------->bytes編碼後的二進位制資料
import json
s='苑昊'
print(type(s))       #print(json.dumps(s)) #  "\u82d1\u660a"
b=s.encode('utf8')
print(type(b))      # print(b)            # b'\xe8\x8b\x91\xe6\x98\x8a'
u=b.decode('utf8')
print(type(u))       #print(u)             #苑昊
print(json.dumps(u)) #"\u82d1\u660a"
print(len('苑昊')) # 2

字元編碼：

---utf8存入硬碟-------
#coding:utf8
print("壞小子")
---------------------
方式一：在pycharm執行  setting都是utf8
python 3  不亂碼
python 2  不亂碼
方式二：在cmd執行
python 3  不亂碼    直譯器按utf8解碼，翻譯為uniode在執行，cmd執行print("壞小子")時，字串為unicode資料
python 2  亂碼      直譯器按utf8解碼，翻譯為bytes在執行，cmd應該把"壞小子"列印為bytes資料，而不是明文
但python2直譯器會進行乙個暗轉換，把"壞小子" bytes資料解碼轉換為unicode資料，
cmd按gbk將bytes資料解碼為unicode時，會出錯。

python3中至少四個位元組表示乙個字元

python字元編碼

ascii 碼是乙個位元組，通常只能顯示英文本母和數字。unicode碼為了顯示多種語言產生，但是要占用兩個位元組，顯示文字要占用大量空間 utf 8 為了節約空間而生，英文本元只用乙個位元組儲存，中文字元需要三個位元組 character ascii unicode utf 8 a01000000...

python字元編碼

列印python檔案編碼 import sys print sys.getdefaultencoding 中文的乙個字元unicode占用2個位元組。對在於ascii字元占用1個位元組 utf 8中 中文字元佔3個位元組，英文本元占用1個位元組 編碼和轉碼 unicode不能再解碼了 它是基層的 u...

Python字元編碼

在用python程式設計中，字串有兩種表示方法 string 和 u string 為什麼字串要是用這兩種表達方式。不是僅僅用前一種呢？使用type 函式檢視，它們各自是str物件和unicode物件。這兩個物件有什麼差別嗎？還有經經常使用到的encode 和decode 又是幹什麼的呢？都說pyt...