python 基礎字元編碼

編碼基礎

由於每個國家都有自己的字元，所以其對應關係也涵蓋了自己國家的字元，但是以上編碼都存在侷限性，即：僅涵蓋本國字元，無其他國家字元的對應關係。應運而生出現了萬國碼，他涵蓋了全球所有的文字和二進位制的對應關係。

unicode 2-4位元組已經收錄136690個字元，並還在一直不斷擴張中...

unicode 起到了2個作用：

直接支援全球所有語言，每個國家都可以不用再使用自己之前的舊編碼了，用unicode就可以了。(就跟英語是全球統一語言一樣)

unicode包含了跟全球所有國家編碼的對映關係

unicode解決了字元和二進位制的對應關係，但是使用unicode表示乙個字元，太浪費空間。例如：利用unicode表示「python」需要12個位元組才能表示，比原來ascii表示增加了1倍。

由於計算機的記憶體比較大，並且字串在內容中表示時也不會特別大，所以內容可以使用unicode來處理，但是儲存和網路傳輸時一般資料都會非常多，那麼增加1倍將是無法容忍的！！！

為了解決儲存和網路傳輸的問題，出現了unicode transformation format，學術名utf，即：對unicode中的進行轉換，以便於在儲存和網路傳輸時可以節省空間!

總結：utf 是為unicode編碼設計的一種在儲存和傳輸時節省空間的編碼方案。

字元在硬碟上的儲存都是以二進位制的方式儲存的

編碼的轉換

雖然國際語言是英語，但大家在自己的國家依然說自已的語言，不過出了國，你就得會英語編碼也一樣，雖然有了unicode and utf-8 ，但是由於歷史問題，各個國家依然在大量使用自己的編碼，比如中國的windows,預設編碼依然是gbk,而不是utf-8。

基於此，如果中國的軟體出口到美國，在美國人的電腦上就會顯示亂碼，因為他們沒有gbk編碼。

若想讓中國的軟體可以正常的在美國人的電腦上顯示，只有以下2條路可走：

讓美國人的電腦上都裝上gbk編碼

把你的軟體編碼以utf-8編碼

第1種方法幾乎不可能實現，第2種方法比較簡單。但是也只能是針對新開發的軟體。如果你之前開發的軟體就是以gbk編碼的，上百萬行**可能已經寫出去了，重新編碼成utf-8格式也會費很大力氣。

so , 針對已經用gbk開發完畢的專案，以上2種方案都不能輕鬆的讓專案在美國人電腦上正常顯示，難道沒有別的辦法了麼？

有，還記得我們講unicode其中乙個功能是其包含了跟全球所有國家編碼的對映關係，意思就是，你寫的是gbk的「路飛學城」,但是unicode能自動知道它在unicode中的「路飛學城」的編碼是什麼，如果這樣的話，那是不是意味著，無論你以什麼編碼儲存的資料，只要你的軟體在把資料從硬碟讀到記憶體裡，轉成unicode來顯示，就可以了。由於所有的系統、程式語言都預設支援unicode，那你的gbk軟體放到美國電腦上，載入到記憶體裡，變成了unicode,中文就可以正常展示啦。

python3 **的執行過程

在看實際**的例子前，我們來聊聊，python3 執行**的過程

直譯器找到**檔案，把**字串按檔案頭定義的編碼載入到記憶體，轉成unicode

把**字串按照語法規則進行解釋

所有的變數字元都會以unicode編碼宣告

實際**演示，在py3上把你的**以utf-8編寫，儲存，然後在windows上執行

**如下所示

#coding:utf-8
s = "路飛學成"
print(s)

在windows 下面執行如下圖所示

使用python3 在 windows 下面執行上述**是正常的

正常執行原因：在python3裡上面的utf-8編碼之所以能在windows gbk的終端下顯示正常，是因為到了記憶體裡python直譯器把utf-8轉成了unicode

在python2 執行如下**檔案 py2_encode

**如下所示

#coding:utf-8
s = "路飛學成"
print(s)

使用 python2 ,在windows 下面執行是亂碼的

亂碼原因：python2直譯器僅以檔案頭宣告的編碼去解釋你的**，載入到記憶體後，並不會主動幫你轉為unicode,也就是說，你的檔案編碼是utf-8,載入到記憶體裡，你的變數字串就也是utf-8, 這意味著什麼你知道麼？。。。意味著，你以utf-8編碼的檔案，在windows是亂碼。要想使檔案正常顯示需要做到以下兩個方面 1、字串以gbk格式顯示，2、字串是unicode 編碼

python3 自動把檔案轉換成unicode 編碼主要是進行了 decode 解碼，和encode 編碼

utf-8 ---> decode 解碼---> unicode unicode --->encode 編碼 ---> gbk/utf-8

例項演示：

decode 解碼

#coding:utf-8

s = "路飛學成"

print(s)

s2 = s.decode('utf-8')

print(s2) # s2 以unicode 格式顯示，會正常顯示

encode 編碼

#coding:utf-8
s = "路飛學成"
print(s)
s2 = s.decode('utf-8')
print(s2)
print(type(s2))
print("***************===")
s3 = s2.encode('gbk')  # 將unicode 編碼成gbk
print(s3)
print(type(s3))  # str

**執行如下所示

python2 中

>>> s = "路飛"
>>> s
'\xc2\xb7\xb7\xc9'

但直接呼叫變數s，看到的卻是乙個個的16進製表示的二進位制位元組，我們怎麼稱呼這樣的資料呢？直接叫二進位制麼？也可以，但相比於010101，這個資料串在表示形式上又把2進製轉成了16進製制來表示，這是為什麼呢？哈，為的就是讓人們看起來更可讀。我們稱之為bytes型別，即位元組型別，它把8個二進位制一組稱為乙個byte,用16進製制來表示，嗯，是的，在python2裡，bytes == str ，其實就是一回事。 python2裡還有個單獨的型別是unicode , 把字串解碼後，就會變成unicode

>>> s = "路飛"
>>> s
'\xc2\xb7\xb7\xc9'   #gbk 格式
>>> s.decode('gbk')
u'\u8def\u98de'   #在unicode編碼表裡對應的位置
>>> print(s.decode('gbk'))
路飛 #  #unicode 格式的字元

由於python創始人在開發初期認知的侷限性，其並未預料到python能發展成乙個全球流行的語言，導致其開發初期並沒有把支援全球各國語言當做重要的事情來做，所以就輕佻的把ascii當做了預設編碼。當後來大家對支援漢字、日文、法語等語言的呼聲越來越高時，python於是準備引入unicode,但若直接把預設編碼改成unicode的話是不現實的，因為很多軟體就是基於之前的預設編碼ascii開發的，編碼一換，那些軟體的編碼就都亂了。所以python 2 就直接搞了乙個新的字元型別，就叫unicode型別，比如你想讓你的中文在全球所有電腦上正常顯示，在記憶體裡就得把字串存成unicode型別。

在python3 中除了把字串的編碼改成了unicode, 還把str 和bytes 做了明確區分， str 就是unicode格式的字元， bytes就是單純二進位制啦。

>>> s = "路飛"
>>> s
'路飛'
>>> print(type(s))
# python3 中str  等於 py2 中的unicode 型別
>>> s.encode("gbk")
b'\xc2\xb7\xb7\xc9'  # bytes 型別

最後乙個問題，為什麼在py3裡，把unicode編碼後，字串就變成了bytes格式？你直接給我直接列印成gbk的字元展示不好麼？我想其實py3的設計真是煞費苦心，就是想通過這樣的方式明確的告訴你，想在py3裡看字元，必須得是unicode編碼，其它編碼一律按bytes格式展示

python 編碼常見排錯方式

python 基礎字元編碼

python基礎字元編碼

Python 基礎字元編碼

python基礎之字元編碼

python 基礎 字元編碼

python基礎 字元編碼

Python 基礎 字元編碼

python基礎之字元編碼

相關推薦

python 基礎字元編碼

python基礎字元編碼

Python 基礎字元編碼