字符编码

字符编码

#coding:gbk
"""
一：储备知识
1、程序运行与三大核心硬件的关系
2、程序运行过程中产生的数据最先放在内存中
3、python程序运行的三个步骤
    python3 D:a.py
    1、先启动python解释器
    2、解释器会将a.py的内容当成普通内存从硬盘读入内存，此时没有语法意义
    3、解释器会解释执行刚刚读入内存的内存，开始识别python语法

二：什么是字符编码
    字符---------（标准）---------------数字

字符编码表：存放的是字符与数字的对应关系
​
1、ASCII：只能识别英文字符
    特点：采用8bit对应一个英文字符
            8bit=》1Byte

2、GBK：可以识别中文字符串与英文字符
    特点：采用16bit对应字符，该字符可以是英文字符、也可以是中文字符
​
3、shift-JIS

4、unicode：可以识别万国字符
    特点：2Bytes对应一个字符

 

字符-----》unicode格式的数字
                |
             GBK   shiftJIS

中文字符、英文字符------------》unicode二进制数-----------》gbk二进制数
日文字符、英文字符------------》unicode二进制数-----------》shiftJIS二进制数
韩文字符、英文字符------------》unicode二进制数-----------》Euc-kr二进制数
万国字符------------》unicode二进制数-----------》utf-8二进制数

5、utf-8
    1Byte对应英文字符
    3Byte对应一个中文字符

 

1、群雄割据：
英文字符--------------内存：ASCII二进制数--------------->硬盘：ASCII二进制数
中文英文字符--------------内存：GBK二进制数--------------->硬盘：GBK二进制数
日文英文字符--------------内存：shiftJIS二进制数--------------->硬盘：shiftJIS二进制数
韩文英文字符--------------内存：Euc-Kr二进制数--------------->硬盘：Euc-Kr二进制数

2、过渡阶段：
中文英文字符------------内存：unicode=========gbk============>硬盘：GBK二进制数
日文英文字符------------内存：unicode=========shifJIS========>硬盘：shiftJIS二进制数
韩文英文字符------------内存：unicode=========Euc-Kr=========>硬盘：Euc-Kr二进制数
万国字符----------------内存：unicode=========utf-8==========>硬盘：utf-8二进制数

内存固定使用：unicode
我们可以改变的是从内存写入硬盘采用的编码格式

3、分久必合：
万国字符----------------内存：unicode=========utf-8==========>硬盘：utf-8二进制数
万国字符----------------内存：utf-8==========================>硬盘：utf-8二进制数

 

乱码问题：
    1、存的时候乱了：采用的字符编码表无法识别输入的字符
        存的时候就已经乱了，是无法补救的，取的时候一定也乱了

    解决方法：存入硬盘的编码格式应该用utf-8格式

2、存的时候没有乱码：采用的字符编码表可以识别输入的字符
    但是取的时候乱码了：采用的字符编码表与当初存的时候用的不是同一张表
​
    解决方法：存的时候用什么编码，取的时候一定要用同样的编码格式

与运行python程序有关的乱码问题：
    1、保证运行python程序的前两个阶段不乱码
        在python文件的开头加一行：
            #coding:文件存的时候用的编码格式

2、保证第三个阶段不乱码
    使用python3
    如果使用的是python2，应该在符串前加前缀u

编码：
字符-----编码--------》unicode格式的数字------编码-----》gbk格式的数字
字符-----解码--------》unicode格式的数字《------解码-----gbk格式的数字

"""

# 在python3中字符串类型的值在内存中都是unicode格式的数字
​
# x="上"
​
# print(x)
​
# 在python2中字符串类型的值在内存中都是文件头指定编码格式的数字
​
# x=u"上" # 如果在字符串前加前缀u就把字符串强制存成unicode格式，推荐使用
​
# print([x,])
​
# print(x)
​
​
x = "上"
​
# unicode格式的数字==编码===>其他编码格式的数字
​
res1=x.encode("gbk")
​
# print(res1,type(res1))
​
res2=x.encode("utf-8")
​
# print(res2,type(res2))
​
# bytes类型可以理解为一种硬盘的原生格式
​
# str类型
​
# 其他编码格式的数字==解码==>unicode格式数字
​
x=res1.decode("gbk")
​
# print(x)
​
y=res2.decode("utf-8")
print(y,type(y))