python中编码问题

各种编码在内存中所占的大小:

ascii:    英文:8bit (1B)

uft-:    英文:8bit (1B)
          中文:24bit (3B)

GBK:      英文:8bit (1B)
          中文:16bit (2B)

unicode:  英文:32bit (4B)
          中文:32bit (4B)

python3代码执行过程:

1. 解释器找到代码文件(文件以utf8/GBK..存储)，
2. 把代码字符串按文件头定义的编码进行解码到内存，转成unicode
3. 所有的变量字符都会以unicode编码声明(str的编码方式就是unicode)

unicode只在内存中进行显示, 传输和存储需要用到utf8/GBK.., 所以必须转成utf8/GBK..

str和bytes的区别就是编码方式的不同:

 str(unicode编码)      ==>     bytes(utf8/GBK..)       ==>         存储, 传输
 bytes = str.encode('utf-8')     # 编码
 str = bytes.decode('utf-8')     # 解码

python3中str和bytes表现和编码:

 英文:
     str:    表现方式==>'a'
             编码方式==>0101      unicode

     bytes:  表现方式==>b'a'
             编码方式==>0101      utf8/GBK..

 中文:
     str:    表现方式==>'中'
             编码方式==>0101      unicode

     bytes:  表现方式==>b'x\e9'
             编码方式==>0101      utf8/GBK..

在python2中:

1. u'xxx'为unicode对象, 就是python3中的str
2. bytes和str是同一个类型

 s = 'a'
 print (s, type(s))              # 'a', <type 'str'>

 s = u'中文'
 print(s, type(s))               # u'\u4e2d\u6587', <type 'unicode'>
 # 编码变成utf-8, 一个中文三个字节
 s1 = s.encode('utf-8')
 print(s1, type(s1))             # '\xe4\xb8\xad\xe6\x96\x87', <type 'str'>

 # bytes和str是同一个类型
 s1 = 'a'
 s2 = bytes('a')
 print(s1 is s2)                 # True