Python字符串的编码与解码以及常见编码格式

常用的编码格式：ASCII、GBK、UTF-8、Unicode

python解释器使用的是Unicode，.py文件在磁盘上使用UTF-8存储。

计算机中的数据都是以二进制形式（0/1）存储的，在计算机中最小的单位是位（bit）

1bytes = 8bit （bytes是字节，简写为B）

1KB = 1024bytes

1MB = 1024KB

1GB = 1024MB

1TB = 1024GB ……

编码格式

1、ASCII

计算机只能识别0或者1，这并不好记，所以就编成了ASCII码表，在ASCII码表中，用1个字节表示一个字符。

在python中可以使用 ord() 和 chr() 方法进行转换：

# 将字符转换成对应的ASCII码值
print(ord('A')) # 65
# 将数字转换成ASCII码表中对应的字符
print(chr(97))  # a

ASCII表中共有256个字符。前128个位置对应现实生活中的128中符号，后128个预留给其他国家使用，称为扩展ASCII码。

2、GBK/GB2312/GB18030

GB2312：在1980年推出的，可以表示简体中文。这里面共有7445个字符，但仍然不够使用。

GBK：1995年推出，不仅可以表示简体中文，还可以表示繁体中文。中文占2个字节

GB18030：可以表示27484个字符，不仅可以表示简体中文、繁体中文，可以表示少数民族文字的字符。采用变长多字节编码，每个字可以由1个、2个或4个字节组成。

3、Unicode

为了解决各个国家编码冲突的问题，就产生了Unicode编码，它几乎包含了全世界的字符。在Unicode中无论英文还是中文都用2个字节表示。

4、UTF-8

UTF-8是针对Unicode的一种可变长度字符编码。规定英文用1个字节表示，其中中文占3个字节。

编码与解码

1）编码：将字符串转换成二进制数据（bytes）。

通过 encode() 方法进行编码。

# GBK中一个中文占两个字节
# 转换成GBK编码格式
print('你好'.encode('GBK'))   # b'\xc4\xe3\xba\xc3'

print(bytes('你好','GBK'))    # b'\xc4\xe3\xba\xc3'

# GBK中一个中文占三个字节
# 转换成UTF-8编码格式
print('你好'.encode('UTF-8')) # b'\xe4\xbd\xa0\xe5\xa5\xbd'

print(bytes('你好','UTF-8'))  # b'\xe4\xbd\xa0\xe5\xa5\xbd'

2）解码：将二进制数据转换成字符串。

使用 decode() 方法进行解码。编码格式和解码格式要相同

# byte.decode('GBK') 解码，byte代表的是一个二进制数据（字节类型的数据）
byte = '你好'.encode('GBK')
print(byte,byte.decode('GBK'))  # b'\xc4\xe3\xba\xc3' 你好

# 编码格式和解码格式要相同
print(b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode('GBK'))    #浣犲ソ   乱码了，什么格式编码就用什么格式解码
print(b'\xe4\xbd\xa0\xe5\xa5\xbd'.decode('UTF-8'))    # 你好