Python的编码问题（一）

人生不如戏

发布于 2018-04-12 11:11:58

1K0

发布于 2018-04-12 11:11:58

一、什么是编码

　　可以说，计算机是一个即聪明又笨蛋的家伙。说它聪明，是因为他可以做很多事情，它的强大无需多说，大家应该都有所了解以及感受。但是为什么说它又是个笨蛋呢，因为我们在电脑上写出的每一个字，保存的每一句语音、歌曲以及小电影，它通通不认识，因为这些东西不是它所能读懂的东西。而如果我们让它做一些事情，那么必须用它所能读懂的语言来让他们为我们服务。那么就需要定义一套它能读懂的“语言“标准，而这个“语言”，就叫做编码。

二、编码的种类以及发展

　　我们都知道，电脑之所以能读懂数据，是因为它里面由许多许多的二极管，每个二极管就像一个小灯泡，而小灯泡的状态只有两个，要么亮，要么不亮。那么我们用0表示不亮，用1表示亮的话，每个小灯泡就会有两个值了，0和1.那么如果有两个小灯泡，那么它就有4种可能，00，01，10，11。假如我们用00表示A、01表示B，10表示C，11表示D，那么两个小灯泡就可以表示4个因为字母啦！同理，3个小灯泡就可以表示8个字母……依次类推，我们可以用许许多多的小灯泡来表示N种字母啦。

　　所以，最古老的编码类型ASCASCII码就出现啦！

　　大家都知道，计算机是美国人发明的，他们开始并没有想着计算机会发展这么快，普及这么广，所以只定义了他们所用的英文字母以及字符，而这些字母或者字符，用7位的0、1组合足以，不过他们预见将来有可能会有更多的字符加进来，所以多预留了一位以便后来能表示更多的字符（这就是为什么ASCII的首位均为0），于是决定每一个字符用0或组成的8位来表示，这样就可以表示 2**8 = 256种可能了。

　　问题是，他们虽然聪明的预见将来有可能会有更多的字符加进来，但是他们还是保守了点，随着计算机功能越来越强，使用越来越广，有越来越多的国家引进计算机，仅仅只有256种字符的ASCII码已经远远不能满足了。

　　于是，又出现了一种更强大的编码，Unicode编码，也叫万国码。Unicode码规定一个字符至少要用2个字节（1个字节是8位）来表示，这样就至少有2**16=65536种可能了。但是后来发现，65536种可能也不足以表示全世界所有的字符，大家都知道，只是中文就有好几万种字符，于是后来有出现了增补码，用4个字节（32位）来表示，这样就有2*32种可能了，这足以表示全世界所有的字符了。

　　问题又来了，明明因为字母以及符号只用8位就能表示了，结果Unicode编码要用32位来表示，而实际使用总英文字母要占很大一部分比例，这就造成了严重的资源浪费，白白浪费了很大的储存空间，所以后来又出现了另一种编码，UTF-8

　　UTF-8编码是对Unicode编码的优化，它规定，英文字母用一个字节表示，欧洲的一些符号用2个字节来表示，亚洲国家的一些字符用3个字节来表示，这就合理了很多，该长的长，该短的短。

三、Python的默认编码

　　　　▷python2版本中默认的字符编码是ASCII码，如果要显示中文必须要在代码的首行写“ # -*- encoding:utf-8 -*- ”来指定编码

　　　　▷python3版本种默认的字符编码是UTF-8，就可以显示中文了

四、换算关系

　　　　▷1位 = 1bit

　　　　▷8bits = 1bytes = 1字节

　　　　▷1024bytes = 1KB

　　　　▷1024KB = 1MB

　　　　▷1024MB = 1GB

　　　　▷1024GB = 1TB

五、附录：ASC码大全

ASCII（American Standard Code for Information Interchange，美国标准信息交换代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言，

其最多只能用 8 位来表示（一个字节），即：2**8 = 256，所以，ASCII码最多只能表示 256 个符号。

Bin(二进制)	Oct(八进制)	Dec(十进制)	Hex(十六进制)	缩写/字符	解释
0000 0000	0	0	00	NUL(null)	空字符
0000 0001	1	1	01	SOH(start of headline)	标题开始
0000 0010	2	2	02	STX (start of text)	正文开始
0000 0011	3	3	03	ETX (end of text)	正文结束
0000 0100	4	4	04	EOT (end of transmission)	传输结束
0000 0101	5	5	05	ENQ (enquiry)	请求
0000 0110	6	6	06	ACK (acknowledge)	收到通知
0000 0111	7	7	07	BEL (bell)	响铃
0000 1000	10	8	08	BS (backspace)	退格
0000 1001	11	9	09	HT (horizontal tab)	水平制表符
0000 1010	12	10	0A	LF (NL line feed, new line)	换行键
0000 1011	13	11	0B	VT (vertical tab)	垂直制表符
0000 1100	14	12	0C	FF (NP form feed, new page)	换页键
0000 1101	15	13	0D	CR (carriage return)	回车键
0000 1110	16	14	0E	SO (shift out)	不用切换
0000 1111	17	15	0F	SI (shift in)	启用切换
0001 0000	20	16	10	DLE (data link escape)	数据链路转义
0001 0001	21	17	11	DC1 (device control 1)	设备控制1
0001 0010	22	18	12	DC2 (device control 2)	设备控制2
0001 0011	23	19	13	DC3 (device control 3)	设备控制3
0001 0100	24	20	14	DC4 (device control 4)	设备控制4
0001 0101	25	21	15	NAK (negative acknowledge)	拒绝接收
0001 0110	26	22	16	SYN (synchronous idle)	同步空闲
0001 0111	27	23	17	ETB (end of trans. block)	结束传输块
0001 1000	30	24	18	CAN (cancel)	取消
0001 1001	31	25	19	EM (end of medium)	媒介结束
0001 1010	32	26	1A	SUB (substitute)	代替
0001 1011	33	27	1B	ESC (escape)	换码(溢出)
0001 1100	34	28	1C	FS (file separator)	文件分隔符
0001 1101	35	29	1D	GS (group separator)	分组符
0001 1110	36	30	1E	RS (record separator)	记录分隔符
0001 1111	37	31	1F	US (unit separator)	单元分隔符
0010 0000	40	32	20	(space)	空格
0010 0001	41	33	21	!	叹号
0010 0010	42	34	22	"	双引号
0010 0011	43	35	23	#	井号
0010 0100	44	36	24	$	美元符
0010 0101	45	37	25	%	百分号
0010 0110	46	38	26	&	和号
0010 0111	47	39	27	'	闭单引号
0010 1000	50	40	28	(	开括号
0010 1001	51	41	29	)	闭括号
0010 1010	52	42	2A	*	星号
0010 1011	53	43	2B	+	加号
0010 1100	54	44	2C	,	逗号
0010 1101	55	45	2D	-	减号/破折号
0010 1110	56	46	2E	.	句号
00101111	57	47	2F	/	斜杠
00110000	60	48	30	0	数字0
00110001	61	49	31	1	数字1
00110010	62	50	32	2	数字2
00110011	63	51	33	3	数字3
00110100	64	52	34	4	数字4
00110101	65	53	35	5	数字5
00110110	66	54	36	6	数字6
00110111	67	55	37	7	数字7
00111000	70	56	38	8	数字8
00111001	71	57	39	9	数字9
00111010	72	58	3A	:	冒号
00111011	73	59	3B	;	分号
00111100	74	60	3C	<	小于
00111101	75	61	3D	=	等号
00111110	76	62	3E	>	大于
00111111	77	63	3F	?	问号
01000000	100	64	40	@	电子邮件符号
01000001	101	65	41	A	大写字母A
01000010	102	66	42	B	大写字母B
01000011	103	67	43	C	大写字母C
01000100	104	68	44	D	大写字母D
01000101	105	69	45	E	大写字母E
01000110	106	70	46	F	大写字母F
01000111	107	71	47	G	大写字母G
01001000	110	72	48	H	大写字母H
01001001	111	73	49	I	大写字母I
01001010	112	74	4A	J	大写字母J
01001011	113	75	4B	K	大写字母K
01001100	114	76	4C	L	大写字母L
01001101	115	77	4D	M	大写字母M
01001110	116	78	4E	N	大写字母N
01001111	117	79	4F	O	大写字母O
01010000	120	80	50	P	大写字母P
01010001	121	81	51	Q	大写字母Q
01010010	122	82	52	R	大写字母R
01010011	123	83	53	S	大写字母S
01010100	124	84	54	T	大写字母T
01010101	125	85	55	U	大写字母U
01010110	126	86	56	V	大写字母V
01010111	127	87	57	W	大写字母W
01011000	130	88	58	X	大写字母X
01011001	131	89	59	Y	大写字母Y
01011010	132	90	5A	Z	大写字母Z
01011011	133	91	5B	[	开方括号
01011100	134	92	5C	\	反斜杠
01011101	135	93	5D	]	闭方括号
01011110	136	94	5E	^	脱字符
01011111	137	95	5F	_	下划线
01100000	140	96	60	`	开单引号
01100001	141	97	61	a	小写字母a
01100010	142	98	62	b	小写字母b
01100011	143	99	63	c	小写字母c
01100100	144	100	64	d	小写字母d
01100101	145	101	65	e	小写字母e
01100110	146	102	66	f	小写字母f
01100111	147	103	67	g	小写字母g
01101000	150	104	68	h	小写字母h
01101001	151	105	69	i	小写字母i
01101010	152	106	6A	j	小写字母j
01101011	153	107	6B	k	小写字母k
01101100	154	108	6C	l	小写字母l
01101101	155	109	6D	m	小写字母m
01101110	156	110	6E	n	小写字母n
01101111	157	111	6F	o	小写字母o
01110000	160	112	70	p	小写字母p
01110001	161	113	71	q	小写字母q
01110010	162	114	72	r	小写字母r
01110011	163	115	73	s	小写字母s
01110100	164	116	74	t	小写字母t
01110101	165	117	75	u	小写字母u
01110110	166	118	76	v	小写字母v
01110111	167	119	77	w	小写字母w
01111000	170	120	78	x	小写字母x
01111001	171	121	79	y	小写字母y
01111010	172	122	7A	z	小写字母z
01111011	173	123	7B	{	开花括号
01111100	174	124	7C	\|	垂线
01111101	175	125	7D	}	闭花括号
01111110	176	126	7E	~	波浪号
01111111	177	127	7F	DEL (delete)	删除

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2017-12-18 ，如有侵权请联系 cloudcommunity@tencent.com 删除

python

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

python