通过python3学习编码

简介

今天在写python程序的时候，遇到了编码问题，今天，我准备好好了解一下编码问题

ASCII编码

计算机是美国人发明的，最初只有不超过256字符需要编码，1字节能编码2**8个，所以ASCII编码就是这么来的。现在的键盘，不用输入法能打出来的字符，都在ASCII码表里。

其他编码

后来，计算机逐渐普及，需要编码其他国家的字符，比如中文，日文，韩文，中国有GB2312等(当然，会占用多个字节)，其他国家也有各自的编码表。但是这有个问题，如果一串字符有多个国家的语言，无法处理。

Unicode

Unicode将各种国家字符统一编码。这样便解决了统一编码的问题。Unicode非常适合在内存中使用，同一种语言，编码格式是相近的，便于计算。但是，当需要存储的时候，就不太合适了，浪费空间。

ustring = '中'
print('--- Unicode ---')
ubyte = ustring.encode('unicode_escape')
print(len(ubyte))
print(ubyte)  # 直接输出第一个\是转义
print(''.join([chr(c) for c in ubyte]))

输出结果：

--- Unicode ---
6
b'\\u4e2d'
\u4e2d

可以看到，一个中文的中字，就占了6个字节，编码其实只有4个字节4e2d，但\u，也要存储

UTF-8

为了便于减小传输和存储的大小，UTF-8编码出现了。同样是中

print('--- UTF-8 ---')
ubyte = ustring.encode('utf-8')
print(len(ubyte))
print(ubyte)
print(''.join([chr(c) for c in ubyte]))

输出如下:

--- UTF-8 ---
3
b'\xe4\xb8\xad'
ä¸-

只占用了3个字节，\x是python加上去的，代表16进制方式读取，也就是e4, b8, ad这三个字节。可能会有人不知道e4为啥是一个字节，16进制和2进制对应如下，占4位，一个字节8位，所以是两个字符

0 = 0000
1 = 0001
...
a = 0110
...
e = 1110
f = 1111

json的编码

为啥今天我会想好好了解一下编码呢，因为我在编程的时候用到了json，有趣的是，python中json的编码方式默认使用的不是utf-8，而是unicode，我还傻傻分不清楚，晕了半天。不过使用json.dumps和json.loads其实根本遇不到这个问题