字符编码 + python2和python3的编码区别(day08整理)

目录

• 昨日回顾
  • 二十三、元组内置方法
  • 二十四、散列表
  • 二十五、字典内置方法
  • 二十六、集合内置方法
  • 二十七、深浅拷贝
    • 拷贝
    • 浅拷贝
    • 深拷贝
• 今日内容
  • 二十八、字符编码
    • 1.文本编辑器存储信息的过程
    • 2.gb2312和gbk的区别
    • 3.编码和解码
    • 4.python解释器解释python代码的流程
  • 二十九、python2和python3的编码区别
    • python2
    • python3

昨日回顾

二十三、元组内置方法

不可更改的列表,其他的和列表一摸一样

二十四、散列表

二十五、字典内置方法

1. 乱序

   python2中字典是乱序的,但是python3做了优化

   (本来是乱序的,但是在c这个层面做了不不乱序的优化)

2. key为什么是不可变的

   假设是可变的,在哈希处理时,除留余数法会导致存储的位置发生变化

二十六、集合内置方法

1. 去重
2. 乱序(差值是按照某种哈希算法随机插的)
3. 交集&/并集|/差集-/补集^

二十七、深浅拷贝

拷贝

a是b的拷贝对象,则b内部所有的数据类型变化,则a也变化

浅拷贝

a是b的浅拷贝对象,b内部的可变数据类型变化,a变化;b内部的不可变数据类型变化,a不变化

深拷贝

a为b的深拷贝对象,a内部无论何数据类型变化,b都不改变

今日内容

二十八、字符编码

1.文本编辑器存储信息的过程

unicode编码（识别所有代码）

因为unicode存储占用空间，所以用utf8来存储

utf8只和unicode对应识别

内存中unicode取，存用utf8存（硬盘），全世界的人写代码都是用utf8

• 内存中为什么不用utf8？

  utf8和其他编码都没有转换关系，因此都要用unicode

未来迟早有一天，内存要用utf8

2.gb2312和gbk的区别

gb2312：一些常用词，不包括繁体字

gbk：所有的字

用什么编码写，就用什么编码读

如果写用utf8，存用gbk，会导致在存储的时候就会乱码

如果写用utf8，存用utf8，但是读用gbk，也会乱码

3.编码和解码

编码：内存中unicode编码，从内存到硬盘utf8

解码：Unicode从硬盘到内存

现在内存只有unicode编码

4.python解释器解释python代码的流程

1. 读入python代码（字符编码）

   python2默认是ascill，python默认是utf8

   可以使用coding规定解决

   # coding:gbk  # 告诉python解释器用gbk去完成第一步，读入字符
   中文

2. 识别代码 （语法识别）

3. 终端产生结果（字符编码）

   终端是什么编码，就按照什么编码来

   windows终端是utf8

二十九、python2和python3的编码区别

python2

python2有两种存储变量的形式：Unicode和按照coding头

1. 假设python2用utf8存储中文，当你打印时，终端接受gbk的变量，但是windows终端编码时utf8，就会乱码

2. 假设python2用unicode存储，因为unicode可以和任何的编码转换，所以此时终端编码是什么就不重要了， 不会乱码

   # coding:gbk
   lt1 = '中文'  # utf存储的
   # lt1 = ['中文']  # []让他不用终端的编码转化，显示01010101001
   print lt1  # ['\xe4\xb8\xad\xe6\x96\x87']
   
   lt2 = u'中文'  # u'中文'让他变成unicode  # 早期用python2定义中文，必须得加上u，让他变成unicode存储
   # lt2 = [u'中文']
   print lt2  # '中文'

python3

python3只有一种存储变量的形式：unicode

因此，windows终端编码无论是什么都不会乱码，算是一种优化