day1-字符编码与解码（encode 与decode）

字符编码演变过程：

　　ASCII----->GB2312------>GBK----->GB18030------>Unicode------->UTF-8------>

　　最早出现 ASCII（American Standard Code for Information Interchange，美国标准信息交换代码），显示现代英语和其他西欧语言，其最多只能用 8 位来表示（一个字节）

　　为了解决显示中文的问题，出现了：

　　GB2312

　　GB2312(1980年)一共收录了7445个字符，包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。

　　GB2312 支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符。2000年的 GB18030是取代GBK1.0的正式国家标准。该标准收录了27484个汉字，同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。现在的PC平台必须支持GB18030，对嵌入式产品暂不作要求。所以手机、MP3一般只支持GB2312。

　　从ASCII、GB2312、GBK 到GB18030，这些编码方法是向下兼容的，即同一个字符在这些方案中总是有相同的编码，后面的标准支持更多的字符。在这些编码中，英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0。按照程序员的称呼，GB2312、GBK到GB18030都属于双字节字符集 (DBCS)。

　　有的中文Windows的缺省内码还是GBK，可以通过GB18030升级包升级到GB18030。不过GB18030相对GBK增加的字符，普通人是很难用到的，通常我们还是用GBK指代中文Windows内码。

　　

　　显然ASCII码无法将世界上的各种文字和符号全部表示，所以，就需要新出一种可以代表所有字符和符号的编码，即：Unicode

　　Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，规定虽有的字符和符号最少由 16 位来表示（2个字节），即：2 **16 = 65536，
注：此处说的的是最少2个字节，可能更多

　　UTF-8，是对Unicode编码的压缩和优化，他不再使用最少使用2个字节，而是将所有的字符和符号进行分类：ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存，东亚的字符用3个字节保存...

　　所以，python解释器在加载 .py 文件中的代码时，会对内容进行编码（python2默认ascill），python3默认是Unicode

　　　　　　　　　　　　　　　　　　　　　　　　

bytes类型

 　　Python 3最重要的新特性之一是对字符串和二进制数据流做了明确的区分。文本总是Unicode，由str类型表示，二进制数据则由bytes类型表示。Python 3不会以任意隐式的方式混用str和bytes，，你不能拼接字符串和字节流，也无法在字节流里搜索字符串（反之亦然），也不能将字符串传入参数为字节流的函数（反之亦然）。

　　

　　字符串string与字节bytes类型的转换。(字符串可被编码为字节，字节可被解码为字符串)

　　

 

注意：

1.在python2默认编码是ASCII, python3里默认是unicode

2.unicode 分为 utf-32(占4个字节),utf-16(占两个字节)，utf-8(占1-4个字节)， so utf-16就是现在最常用的unicode版本， 不过在文件里存的还是utf-8，因为utf8省空间

3.在py3中encode,在转码的同时还会把string 变成bytes类型，decode在解码的同时还会把bytes变回string

 

通过实际的例子来学习解码和编码的过程：

 

执行结果：

代码：

msg= "学习Python"
#string---->bytes 解码过程encode：字符串转换为二进制,encoding="编码类型"指定解码类型
print("utf-8编码模式解码后结果：",msg.encode(encoding="utf-8"))
print("gbk编码模式解码后结果：",msg.encode(encoding="gbk"))
#bytes---> string 编码过程decode：utf-8解码，使用utf-8编码以及使用utf-8解码，使用gbk编码后的结果：
print("utf-8解码，使用utf-8编码：",msg.encode(encoding="utf-8").decode(encoding="utf-8"))
print("utf-8解码，使用gbk编码：",msg.encode(encoding="utf-8").decode(encoding="gbk"))
print(msg)