1. 程式人生 > >再談編碼 decode和encode

再談編碼 decode和encode

1. ascii. 有: 數字, 字母, 特殊字元. 8bit 1byte 128 最前面是0
2. gbk. 包含: ascii, 中文(主要), 日文, 韓文, 繁體文字. 16bit, 2byte.
3. unicode. 包含gbk,ascii,big5... 32bit, 4byte
4. utf-8. 可變長度的unicode.
1. 英文: 8bit,1byte
2. 歐洲文字: 16bit 2byte
3. 中文: 24bit 3byte
不同的編碼之間不能隨意轉換. 中國人gbk和德國人utf-8罵 想要溝通必須通過英文(unicode)(媒介)

在python3中. 預設的編碼是unicode,我們的字串就是unicode
在python2中. 預設的編碼是ASCII. Cpython.c語言的預設編碼是ASCII

unicode弊端:在儲存和傳輸的時候. 是很浪費的
在儲存和傳輸的時候不能直接使用unicode. 必須要對字串進行編碼. 編碼成bytes型別
bytes: 位元組形式的字串

1. encode(編碼格式) 編碼
2. decode(編碼格式) 解碼

bytes是一種另類的字串表示形式
"哈哈哈" => \xee\xab\x13\xee\xab\x13\xee\xab\x13

# s = "我今天非常的困" # 21個utf-8
# bs = s.encode("gbk") # 把字串轉化成utf-8格式bytes
# # bytes不是給人看的. 給機器用的
# # 14個位元組   gbk
# # b'\xce\xd2\xbd\xf1\xcc\xec\xb7\xc7\xb3\xa3\xb5\xc4\xc0\xa7'
# # 21個位元組   utf-8
# # b'\xe6\x88\x91\xe4\xbb\x8a\xe5\xa4\xa9\xe9\x9d\x9e\xe5\xb8\xb8\xe7\x9a\x84\xe5\x9b\xb0'
# print(bs)

# utf-8和gbk是不能直接轉換的, 必須使用unicode來轉換

# bs = b'\xe6\x88\x91\xe4\xbb\x8a\xe5\xa4\xa9\xe9\x9d\x9e\xe5\xb8\xb8\xe7\x9a\x84\xe5\x9b\xb0'
# # 把位元組轉化回字符串
# s = bs.decode("utf-8")
# print(s)



# b'\xe6\x88\x91\xe4\xbb\x8a\xe5\xa4\xa9\xe9\x9d\x9e\xe5\xb8\xb8\xe7\x9a\x84\xe5\x9b\xb0'
# 把這個bytes轉化成gbk的bytes
# bs = b'\xe6\x88\x91\xe4\xbb\x8a\xe5\xa4\xa9\xe9\x9d\x9e\xe5\xb8\xb8\xe7\x9a\x84\xe5\x9b\xb0'
# # 解碼
# s = bs.decode("utf-8")
# print(s)
#
# # 編碼
# bss = s.encode("gbk")
# print(bss)


# 關於bytes, 非ascii中的內容. 展示的時候都是\x.. 如果是ascii中的內容. 原樣輸出
# name = "alex昨天吃多了"
# bs = name.encode("gbk") # b'alex\xd7\xf2\xcc\xec\xb3\xd4\xb6\xe0\xc1\xcb'
# print(bs)
#
# bss = name.encode("utf-8") # b'alex\xe6\x98\xa8\xe5\xa4\xa9\xe5\x90\x83\xe5\xa4\x9a\xe4\xba\x86'
# print(bss)