第二节-初识python和字符编码

内容编码

字符编码的发展

ascii (只能识别英文)

8位 = 01010101 2**8（2的8次方）= 256 种组合就可以表示所有的英文，字符，数字

也就是1个字节就能表示所有的英文，字符，数字

但是不能表示其他国家语言如中文

　　万国码 unicode （包含任何国家语言）

最少用2个字节来表示：

1个字节 = 8位 = 01010101

2个字节 = 16位 = 0101010101010101 2个字节就是 2**16（2的16次方）= 65536 种组合

也就是说万国码最少也要用两个字节来表示

中文是用3个字节来表示的

3个字节 = 24位 = 010101010101010101010101 3个字节就是 2**24（2的24次方）= 16777216 种组合

utf-8

有了万国码后人们又发现，造成了运算空间的浪费，明明可以用1个字节表示的也用了2个字节来表示，后来就又发明了utf-8

utf-8 是在万国码的基础上进行了加工

也就是utf-8会自动根据地区语言来判断用多少位识别

英文：8位

欧洲：16位

中文：24位

...

所以我们在写Python文件是要是有中文汉字，就需要告诉解释器用什么编码

如：

1 #!/usr/bin/env python
2 # -*- coding: utf-8 -*-
3 print '你好 中国'

如果是Python3.5版本解释器，就可以不加编码，因为默认就是utf-8编码

也就是说，解释器默认是utf-8就可以不加，如果默认不是utf-8就必须加才能识别中文

编码和解码

编码和解码流程图

image

utf-8或者gbk等编码都是，由万国码编码而来的这个过程叫做（编码），将utf-8在还原成万国码这个过程叫做（解码）

在python中可以将某一段字符进行编码或者解码

decode() 函数 为解码 函数值：为要解码的编码（原本编码）

使用方法：要解码的字符串变量.decode(要解码的编码)

如：jiem = zifu.decode("utf-8")

encode()　函数 为编码 函数值：为要编的码（编码）

使用方法：要编码的解码变量.decode(要编的码)

举例：

1 #!/usr/bin/env python
2 # -*- coding: utf-8 -*-
3 zifu = "中文字符"
4 #解码，需要指定原来的是什么编码
5 jiem = zifu.decode("utf-8")
6 #编码，需要指定要使用什么编码
7 bianm = jiem.encode("gbk")
8 print(bianm)

image

注意：如果是python3.5或者以上版本，可以省略解码的环境，直接第二步重新编码就可以，也就是可以直接将utf-8直接编码成gbk，（解码的过程解释器会自动完成）