python -- 小数据池 is和 == 再谈编码

1、小数据池

python程序是由代码块构成的，一个代码块的文本作为python程序的执行单元。

代码块：一个模块，一个函数，一个类，甚至一个command命令都是一个代码块，一个文件也是一个代码块，eval()和exec()执行的时候也是代码块。

什么是命令行？

我们再控制台CMD中输入python进入的就是python的command模式。

 

一个command命令就是一个代码块

小数据池：一种数据缓存机制，也被称为驻留机制，也相当于常量池。（string  iterning）

小数据池只正对：整数（int），字符串（str），布尔型（bool）（都是不可变的数据类型）

在py文件中，几乎所有的字符都会缓存。

id（） 查看变量的内存地址

a = 123
print(id(a))
#

　　　

在python中 对-5到256之间的整数会被驻留在内存中，讲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，保存到小数池中，在使用的时候，直接从小数池中获取对象的内存引用，而不需要创建一个新的数据，这样会节省更多的内存区域。

 

优点：能够提高一些字符串，证书的处理速度，省略创建对象的过程。

缺点：在小数据池中创建或者插入新的内容，会花费较多的时间。

 

对于数字：-1~256是会被加到小数池中，每一次使用都是同一对象。

 

对于字符串：

 

    1、如果字符串的长度是0 或者1，都会默认进行缓存。

    2、字符长度大于1，但是字符串中只包含数字，字母，下划线时才会缓存

    3、用到乘法的字符串，①乘数为1，仅包含数字，字母，下划线时才会被缓存。如果包含其他字符，而长度小于等于1 也会被驻存  ②乘数大于1，仅包含数字，字母，下划线时会被缓存，但字符串长度不能大于20.

    4、指定驻留，我们可以通过sys模块总的intern（）函数来指定要驻留的内容。

 

 

2、is 和 ==

 

    == 判断左右两端的值是否相等，是不是一致，（比较内容）

    is  判断左右两端的内存地址是否相等，如果返回 True，那可以确定这两个变量使用的是同一个对象。（比较内存地址）

 

当两个变量指向同一对象时，is 是 True  ==也是True

如果在py 文件中写的字符串，几乎都是缓存的，在cmd中写的几乎都不会缓存。

a = 257
b = 257
print(id(a))      #
print(id(b))     #
print(a is b)    # True

　　两个对象 内存地址是不一样的

lst1 = [1,2,3] # 两个对象 内存地址是不一样的
lst2 = [1,2,3]
print(id(lst1)) #
print(id(lst2)) #

　　

在创建字符串之前，会先去小数池比对，是否已经存在了该字符串，如果存在了，就不再创建新的了，直接拿原来存在的数据，省略掉反复重复创建字符串的过程，节约内存。

 

 

3、编码的补充

 

   1、回顾编码

 

           ASCII：最早的编码，里边有英文大写字母，英文小写字母，数字，一些特殊字符，没有中文， 8bit，一个byte

           GBK：包含ASCII，中文（主要），日文，韩文，繁体文字。16bit ，2byte

           unicode：万国码，包含ASCII，gbk，big5. ...32bit,  4byte

           UTF-8:可变长度的unicode

                1、英文： 8bit ，1 byte

                2、欧洲文字：16bit ， 2byte

                3、中文： 24bit ， 3byte

不同的编码间不能随意转化，需要通过媒介（unicode）转化。

在python3中，默认的编码是unicode，我们的字符串就是unicode

在python2 中，默认的编码是ASCII，Cpython，c语言的默认编码是ASCII

 

unicode的弊端：在存储和传数数据的时候不能直接使用unicode，必须要对字符串进行编码，编码成ASCII类型。

bytes：字节形式的字符串，不是给人看的，是给机器用的。非ASCII中的内容，展示的时候都是 \x..如果是ASCII中的内容，原样输出。

 

1、encode（编码格式） 编码

2、decode（编码格式） 解码

 

UTF-8 和GBK是不能直接转化的，必须使用unicode来转化。

m = '今天晚上想看什么书！'
a = m.encode('gbk')
print(a)
b = m.encode('utf-8')
print(b)

# b'\xbd\xf1\xcc\xec\xcd\xed\xc9\xcf\xcf\xeb\xbf\xb4\xca\xb2\xc3\xb4\xca\xe9\xa3\xa1'
# b'\xe4\xbb\x8a\xe5\xa4\xa9\xe6\x99\x9a\xe4\xb8\x8a\xe6\x83\xb3\xe7\x9c\x8b\xe4\xbb\x80\xe4\xb9\x88\xe4\xb9\xa6\xef\xbc\x81'