Python字符编码补充

字符编码：

Python字符编码贯穿Python学习的始终，现在应用的是Python2中字符编码的问题是很多的。

这次是要彻底解决Python字符编码的问题！！！

1 字符编码的发展过程：

	1 、ASCII :256 美国需要128个字符，只需要7位   --美国

	2、扩展ASCII : 8 比特位  --拉丁

	3、GB2312 ：

			中文扩展ASCII 两个字节都大于127   --中国

	4、GBK :

		两个字节，第一个字节大于127

	5、Unicode是一种编码方式  两个字节 16

		至少两个字节：2^16 = 65536

		在Unicode基础上产生utf-8，可变长字符编码

				英文 1个字节，非英文2-6

2 数据的存储形式

内存中的统一是Unicode编码，数据的存储是utf-8（硬盘和网络传输）

	存储数据使用utf-8占用空间少

	传输数据快

	Unicode（明文对应二进制）这个二进制是16进制格式的

	utf-8（二进制对应二进制）

3 程序执行前：

普通软件的执行是通过调用操作系统，让CPU从内存中获取数据，然后执行。

	文本编辑器的例子：（这是文件的编码）

	**存储:**

		明文---Unicode（内存中）------存储到本地--编码成utf-8的格式存放在硬盘上

	**读取：**

		utf-8解码成Unicode，Unicode解码成中文

4 程序执行中：

Python解释器的有调用、执行的功能，首先加载到内存职工需要解码，用什么编码就用什么解码。

程序执行中主要是针对的是字符串，Python解释器是逐行执行，文件中的字符串有相应的编码格式，这是最重要的内容。

Python2:

	开头的声明，是解码的声明#coding:utf-8  按照utf-8来解码

	Python2默认是ASCII码进行解码

1 str (数据类型的名字): bytes 数据

定义一个字符串就是字节数据

2 unicode (数据类型的名字): unicode将二进制数据编码成另一种二进制数据（如utf=8）

**Unicode数据前面有u前缀 **

文件的执行编码

s ="中文"

print repr(s)  #repr函数是将数据显示成字符串的方式

结果：

**'\xe4\xb8\xad\xe6\x96\x87' ** 现在是字节数据

s =u"中文"    #  在字符串的前面加上u  代表Unicode数据类型

print repr(s)

结果是：

u'\u4e2d\u6587' Unicode数据类型

字节数据的解码

#coding:utf-8

#Python2.7

s1 = '中文'

s2 = u'中文'

# print repr(s)

print type(s1)

print type(s1.decode("utf-8"))  # 将字节数据(数据类型是str)通过utf-8解码-->unicode数据类型

结果：

type 'str'

type 'unicode'

数据的编码

#coding:utf-8

#Python2.7

s1 = '中文'

s2 = u'中文'

# print repr(s)

# print type(s1)

# print type(s1.decode("utf-8"))  # 将字节数据(数据类型是str)通过utf-8解码-->unicode数据类型

print type(s2)

print type(s2.encode("utf-8"))  #  将Unicode数据(数据类型是Unicode)通过utf-8编码-->str数据类型

print s2

结果是：

type 'unicode'

type 'str'

中文

Python2给解 释器的是字节数据

python3；

默认是Unicode数据就是str

1 str（数据类型的名字）: unicode 数据

2 bytes(数据类型名字): bytes 数据

	将Unicode数据encode

	将字节数据decode

完全把字节类型和字符类型分开了，不能混用

注意点：

	1 、Unicode   gbk utf-8 都是编码规则

	2 、内存中是Unicode   Unicode作为转换的中转站

关于终端的乱码问题：

在pycharm中执行的时候是通过pycharm的软件执行的，pycharm终端默认是utf-8，Windows的cmd是通过win系统编码格式执行的，win默认是gbk，解码的时候可以在字符的前面添加u,或者解码的方式改成coding:gbk