python学习笔记(2) - 字符串和编码

Welcome to MyBlog! This article was writed to take note my study of Python on liaoxuefeng.

---

字符串和编码

1.比特（bit）和字节（byte）

一个字节就是指0或者1，计算机底层只能识别0和1.

而最早的计算机在设计时，采用8个bit作为一个字节byte

2.ASCII编码

由于计算机是由美国佬发明，所以，最开始只有127个字符被编码进计算机，也就是大小写英文字母、数字、和一些符号，一个字节就够用了。这个编码表就是ASCII编码。

3.GB2312编码

但是如果换到中国，一个字节显然不够用，至少要2个字节，而且不能够和ASCII编码冲突，所以制定了GB2312编码。用来编码中文。

4.Unicode编码

但是，世界上有上百种语言，比如日本的Shift_JIS编码，韩国的Euc-kr编码。各国有各国的标准，最多只能避免与最早出现的ASCII编码产生冲突。但是其他语言编码之间必定会有冲突。

因此，Unicode应运而生了。它把所有语言统一到了一套编码里。防止乱码。

Unicode和ASCII之间的区别：ASCII编码是1个字节，Unicode编码是2个字节。

5.utf-8编码

但是，新的问题又出现了，如果统一Unicode编码，用Unicode编码要比ASCII编码多用一倍的空间，只用英文的人肯定是不同意的啊

所以，utf-8编码出世了。utf-8把Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，很生僻少用的字符用4-6个字节。

如此，utf-8还有个好处，最原始的ASCII编码可以被看成utf-8编码的一部分。

6.python中的编码和解码

>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
>>> b'ABC'.decode('ascii')
'ABC'
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'

7.格式化字符串%