编码的进阶
编码的进阶
- ASCII码：包含英文字母，数字，特殊字符与01010101对应关系。
a 01000001 一个字符一个字节表示。
- GBK：只包含本国文字（以及英文字母，数字，特殊字符）与0101010对应关系。
a 01000001 ascii码中的字符：一个字符一个字节表示。
中 01001001 01000010 中文：一个字符两个字节表示。
- Unicode：包含全世界所有的文字与二进制0101001的对应关系。
a 01000001 01000010 01000011 00000001
b 01000001 01000010 01100011 00000001
中 01001001 01000010 01100011 00000001
- UTF-8:包含全世界所有的文字与二进制0101001的对应关系（最少用8位一个字节表示一个字符）。
a 01000001 ascii码中的字符：一个字符一个字节表示。
To 01000001 01000010 (欧洲文字：葡萄牙，西班牙等)一个字符两个字节表示。
中 01001001 01000010 01100011 亚洲文字；一个字符三个字节表示。
-
不同的密码本之间能否互相识别？不能。
-
数据在内存中全部是以Unicode编码的，但是当你的数据用于网络传输或者存储到硬盘中，必须是以非Unicode编码（utf-8,gbk等等）。
-
英文：
str： 'hello '
内存中的编码方式： Unicode
表现形式： 'hello'
bytes ：
内存中的编码方式： 非Unicode
表现形式：b'hello'
中文：
str：
内存中的编码方式： Unicode
表现形式：'中国'
bytes ：
内存中的编码方式： 非Unicode # Utf-8
表现形式：b'\xe4\xb8\xad\xe5\x9b\xbd'
# str ---> bytes\
# s1 = '中国'
# b1 = s1.encode('utf-8') # 编码
# print(b1,type(b1)) # b'\xe4\xb8\xad\xe5\x9b\xbd'
# # b1 = s1.encode('gbk') # 编码 # b'\xd6\xd0\xb9\xfa' <class 'bytes'>
# # bytes---->str
# b1 = b'\xe4\xb8\xad\xe5\x9b\xbd'
# s2 = b1.decode('utf-8') # 解码
# print(s2)
# gbk ---> utf-8
b1 = b'\xd6\xd0\xb9\xfa'
s = b1.decode('gbk')
# print(s)
b2 = s.encode('utf-8')
print(b2) # b'\xe4\xb8\xad\xe5\x9b\xbd'
