[ python ] 字符编码

字符编码

　　这里主要描述以下三种编码方式：

　　（1）ASCII

　　（2）unicode

　　（3）uft-8

　　（4）gbk

 

ASCII 码

　　在计算机内部，所有的信息最终都是一个二进制值。每一个二进制位（bit）有0和1两种状态，因此 8 个 二进制位就可以组合成 256 种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示 256种不同的状态，每一个状态对应一个符号，就是 256 个符号，从 00000000 到 11111111

　　美国定制了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为 ASCII 码，一直沿用至今。

 

　　一个字符用 1 个字节表示　　1 byte = 8 bit

　　ASCII 码只包含字母和英文中的特殊符号，不包括汉字；

 

unicode （万国码）

　　世界上存在很多种不同的编码，同一个二进制数字可以被解释成不同的符号。因此，想要打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式打开就会出现乱码。如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是 unicode 万国码的由来，这是一种所有符号的编码。

 

　　字母：

　　　　一个字母等于 4 个 byte = 32 bit

　　汉字：

　　　　一个字母等于 4 个 byte = 32 bit

　　

1. unicode 的问题

　　需要注意的是， unicode 只是一个字符集，它规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

　　（1）如何才能区分 unicode 和 ASCII ？ 计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？

　　（2）英文在 ASCII 码中，只需要一个字节表示就够了，如果采用 unicode 统一规定，每个符号用三个或四个字符表示，这对于存储来说是极大的浪费，文本文件的大小胡因此大出二三倍。

 

UTF-8　

　　互联网的普及，强烈要求出现一种统一的编码方式。utf-8 就是在互联网上使用最广的一种 unicode 的实现方式。

　　字母：

　　　　一个字母等于 2 byte = 8 bit

　　汉字：

　　　　一个中文等于 3 byte = 24 bit

 

GBK

　　包含全部中文字符，utf-8则包含全世界所有国家需要用到的字符；

　　字母：

　　　　一个字母 1 byte = 8 bit

　　汉字：

　　　　一个汉字 2 byte = 16 bit

 

 =、==、is 三者的使用说明

1. = 赋值

例子：

s1 = 'hkey'
s2 = 'xiaofei'

 

2. ==  比较值是否相等

print( 1 == 2)

# 执行结果：
# False

 

3. is 比较内存地址

s1 = 6
s2 = 6

print(s1 is s2)

# 执行结果：
# True

s11 = 'adfadsasdfasdff'
s22 = 'adfadsasdfasdff1'

print(s11 is s22)

# 执行结果：
# False