0%

二次编码

编码回顾

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
ascii : 英文,数字,符号
英文: 1个字节,8

gbk : 英文,数字,符号,中文
英文: 1个字节,8
中文: 2个字节,16

unicode : 英文,数字,符号,中文
英文: 4个字节,32
中文: 4个字节,32

utf-8 : 英文,数字,符号,中文
英文: 1个字节,8
欧洲: 2个字节,16
亚洲: 3个字节,24

在 python 3 的内存中使用的是 Unicode 编码,而硬盘中存储时使用的是用户选择的编码方式[^1]。这样一来,就需要进行 Unicode 和其他编码方式的转变,也就涉及到编码解码的问题。

编码是将字符转化为二进制的形式,使用的是 .encode() 方法:

1
2
3
4
5
s = "你好"
s1 = s.encode("utf-8") # 编码
print(s1)

输出的内容为: b'\xe4\xbd\xa0\xe5\xa5\xbd'

解码是将二进制形式的数据转换成位符,使用的是 .decode() 方法:

1
2
3
4
5
s = b'\xe4\xbd\xa0\xe5\xa5\xbd'
s2 = s.decode('utf-8')
print(s2)

输出的内容为: 你好

需要注意的是,用什么方式进行编码,就需要用什么方式进行解码。解码方式使用错误,轻则乱码,重则报错。

编码的用处主要在两个方面:

  1. 存储,涉及到文件操作
  2. 传输,涉及到网络编程

[^1]: 对于中文来说,主要是 gbk 和 utf-8