06_python_小数据池/ is == /编码

一、小数据池

　　1、代码块

　　python程序是由代码块构成的。一个代码块的文本作为python程序执行的单元。代码块: 一个模块, 一个函数, 一个类, 甚至每一个command命令都是一个代码块. 一个文件也是一个代码块, eval()和exec()执行的时候也是一个代码块。

 

　　2、小数据池：一种数据缓存机制，也被成为驻留机制，它只针对整数、字符串、布尔值（不可变）其他数据类型不存在驻留机制。

　　在python中对-5 ~256之间的整数会被驻留在内存中，将一定规则的字符串缓存，在使用的时候，内存中只会创建一个该数据的对象，保存在小数据池中，当使用的时候直接从小数据池中获取对象的内存引用，而不需要创建一个新的数据，节省内存区域。
　　优点：能够提高一些字符串、整数的处理速度，省略创建对象的过程

　　缺点：在池中创建或者插入新内容会花费更多时间

 

　　3、针对数字、字符串

    （1）数字：-5~256是会被加到小数据池中的，每次使用都是同一对象

    （2）字符串：

　　　　<1>如果字符串的长度是0 或 1，都会默认进行缓存

　　　　<2>字符串长度大于1，但字符串中只含字母、数字、下划线时才会缓存

　　　　<3>用乘法得到的字符串，乘数为1，只含字母、数字、下划线时才会缓存，如果包含其他字符，而长度<=1也会被驻存。乘数大于 1，只含字母、数字、下划                                      线时才会缓存，但字符串长度<=20

　　　　<4>指定驻留，通过导入os模块

 from sys import intern()
 a = intert('#$%^*fjewio')
 b = intert('#$%^*fjewio')

　　在代码块内的缓存机制是不一样的. 在执行同一个代码块的初始化对象的命令时, 会检查是否其值是否已经存在, 如果存在, 会将其重用. 换句话说: 执行同一个代码块时, 遇到初始化对象的命令时，他会将初始化的这个变量与值存储在一个字典中, 在遇到新的变量时, 会先在字典中查询记录, 如果有同样的记录那么它会重复使用这个字典中的之前的这个值. 所以在你给出的例子中, 文件执行时(同一个代码块) 会把a, b两个变量指向同一个对象.如果是不同的代码块, 他就会看这个两个变量是否是满足小数据池的数据, 如果是满足小数据池的数据则会指向同一个地址. 所以: a, b的赋值语句分别被当作两个代码块执行, 但是他们不满足小数据池的数据所以会得到两个不同的对象, 因此is判断返回False.

二、is 和 ==的区别

　　1、id() #通过id()可以查看一个变量表示的值在内存中的地址。

　　2、is ：判断左右两端内容的内存地址是否一致，如果返回True则两变量使用的是同一对象

　　3、== ：判断左右两端的值是否相等，内容是不是一样的

　　内存地址相同，那么值一定是相等的，如果值相等，则不一定是同一个对象。

三、编码、解码

　　1、回顾

　　ASCII码 只有大小写字母、数字、一些特殊字符，没有中文，8 bit（1B）

　　GBK：中文编码里面包含ASCII，16bit（2B）

　　Unicode：万国码，32bit（4B）

　　UTF-8：可变长万国码，是Unicode的一种实现，最小字符占8位，英文8bit（1B）、欧洲 16bit（2B）、中文24bit（3字节）

　　除了ascii码以外，其他信息不能直接转换。

 

　　2、Unicode和utf-8

　　在python3的内存中，在程序运行阶段，使用的是Unicode编码，因为Unicode是万国码，什么内容都可以进行显示，那么在数据传输和储存的时候由于Unicode比较浪费空间和资源，需要把Unicode转存成utf-8或者GBK进行存储，在python中科院把文字信息进行编码，编码之后的内容就可以进行传输了，编码之后的数据是bytes类型数据

　　bytes的表现形式：1.英文 b'alex' 2.中文 b'\xe4\xb8\xad'

 

　　3、编码解码

　　字符串在传输时转换成bytes =>encode(字符集)来完成

 s = 'alex'
 print(s.encode('utf-8')) # 将字符串编码成UTF-8
 print(s.encode('GBK')) #将字符串编码成GBK
 结果：
 b'alex'
 b'alex'

 s = '中'
 print(s.encode('utf-8')) # 将字符串编码成UTF-8
 print(s.encode('GBK')) #将字符串编码成GBK
 结果:
 b'\xe4\xb8\xad'
 b'\xd6\xd0'

　　注意：英文编码之后的结果和源字符串一致，中文编码之后的结果根据编码的不同，编码结果也不同，我们能看到，一个中文的UTF-8是3字节，一个GBK的中文编码是2字节。编码之后的数据类型是bytes，在网络传输和存储的时候我们python是保存和存储的bytes类型，那么在对方接收的时候，也是接收的是bytes类型的数据，我们可以使用decode()来进行解码操作，把bytes类型的数据还原回字符串

 s = "我叫李嘉诚"
 print(s.encode("utf-8")) #
 b'\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a'
 print(b'\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a'.decode("utf-8")) # 解码

　　编码和解码的时候都需要指定编码格式

 s = "我是文字"
 bs = s.encode("GBK") # 我们这样可以获取到GBK的文字
 # 把GBK转换成UTF-8
 # 首先要把GBK转换成unicode. 也就是需要解码
 s = bs.decode("GBK") # 解码
 # 然后需要进行重新编码成UTF-8
 bss = s.encode("UTF-8") # 重新编码
 print(bss)