python中字符串的编码与解码详析
Dog.泰迪 人气:01. 常用的编码
- ASCII:只能表示一些字母，数字和特殊的字符，占一个字节
- GBK：国家简体中文字符集和繁体字符集，兼容ASCII，占两个字节
- Unicode：能够表示全世界上所有的字符，Unicode有人说占4个字节也有人说占2个字节，但中文占2个字节
- UTF-8：Unicode的压缩版，占1~3个字节，其中中文占三个字节
2.补充:计算机表示的单位：
bit： 位，计算机最小的表示单位
bytes：字节，最小的存储单位，1bytes=8bit，1bytes简写成1B
1KB = 1024B
1MB = 1024KB
1GB = 1024MB
1TB = 1024GB
......
3.ASCII编码
ASCII编码是基于拉丁字母一套编码，主要是显示现代英语和其西欧语言，是最早通用的单字节编码系统,具体ASCII对照表如下：
在对照表中需要记住的是大写字母A的编码是65，小写字母a的编码的97即可。
在python中可以使用chr和ord方法进行转换：
# 将数字类型转换成ASCII对应的字符
print(chr(97)) # a
# 将数字转换成对应的数据
print(ord("A")) # 65
# 或者使用
但随着事件的发展，ASCII编码扩展到了256个字符，编码 对照表如下：
其中后128个字符称为扩展ASCII码
2.GBK和GB2312编码
由于ASCII编码只能由256个字符组成，然只能由1个字节来表示中文是不可能的，因此制定了GB2312编码，用来表示中文的对照表
4.Unicode
为了解决各个国家编码冲突的问题，Unicode编码就因此而生，Unicode把所有语言都统一到一套编码里面，就会避免冲突，产生乱码。
Unicodeb标准在不断发展，最常用的是用两个字节表示一个字符，也有的字符是4个字节，但是中文是占两个字节。如果统一成Unicode编码，在存储和传输上就不划算
5.UTF-8编码
为了解决Unicode编码存储过大的问题，就推出了可变长编码UTF-8，UTF-8编码把一个Unicode字符依据不同的数据大小编程1~6个字节，其中中文就占3个字节
6.编码和解码
1.编码操作
可以通过encode进行编码，其中语法如下：
对字符串进行ASCII编码(只能转换数字，英文字母和一些符号)
# 方式1： 通过bytes方法
bytes('a', 'ASCII')
# 方式2: 通过encode方法进行
'a'.encode('ASCII')
将字符串转换成gbk编码格式
# 方式1: 通过encode方法进行
print('你好'.encode('GBK')) # 编码之后的结果为:b'\xc4\xe3\xba\xc3'
# 方式2: 通过bytes类型
print(bytes('我爱你', 'GBK')) # 编码之后的结果为:b'\xce\xd2\xb0\xae\xc4\xe3'
将字符串转换成Unicode编码格式
# 方式1: 通过encode方法进行
print('你好'.encode('unicode_escape')) # 编码之后的结果为:b'\\u4f60\\u597d'
# 方式2: 通过bytes类型
print(bytes('我爱你', 'unicode_escape')) # 编码之后的结果为:b'\\u6211\\u7231\\u4f60'
将字符串转换成UTF-8编码格式
# 方式1: 通过encode方法进行
print('你好'.encode('utf-8')) # 编码之后的结果为:b'\xe4\xbd\xa0\xe5\xa5\xbd'
# 方式2: 通过bytes类型
print(bytes('我爱你', 'utf-8')) # 编码之后的结果为:b'\xe6\x88\x91\xe7\x88\xb1\xe4\xbd\xa0'
2.解码操作
将GBK编码格式转换成字符串
# 通过decode方法解码
print(b'\xc4\xe3\xba\xc3\xce\xd2\xb0\xae\xc4\xe3'.decode('GBK')) # 解码之后结果为：你好我爱你
将UTF-8编码格式转换成字符串
# 通过decode方法解码
print(b'\xe4\xbd\xa0\xe5\xa5\xbd\xe6\x88\x91\xe7\x88\xb1\xe4\xbd\xa0'.decode('utf-8')) # 解码之后结果为：你好我爱你
将Uniconde编码格式转换成字符串
# 通过decode方法解码
print(b'\\u4f60\\u597d\\u6211\\u7231\\u4f60'.decode('GBK')) # 解码之后结果为：你好我爱你
加载全部内容