再談編碼 decode和encode
阿新 • • 發佈:2018-12-03
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)