Python-基础-day6

一、二进制                                 

前言：计算机一共就能作两件事：计算和通讯

二、字符编码                             

生活中的数字要想让计算机理解就必须转换成二进制。十进制到二进制的转换只能解决计算机理解数字的问题，那么文字要怎么让计算机理解呢？

因而咱们就选择了一种方式，既然数字能够转换成十进制，咱们只要想办法吧文字，转换成数字，这样文字不就能够表示成二进制了么？

 

那么问题来了：怎么把文字转换成数字呢？就是强制转换

咱们本身强行约定了一个表，把文字和数字对应上，这张表就至关于翻译，咱们能够拿着一个数字来对比对应表找到相应的文字，反之亦然。

 ASCII码                                 

咱们先来看一张图片，在了解ascii码

ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）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余西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。

因为计算机是美国人发明的，所以，最先只有127个字母被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，好比大写字母 A的编码是65，小写字母 z的编码是122。后128个称为扩展ASCII码。

那如今咱们就知道了上面的字母符号和数字对应的表是早就存在的。那么根据如今有的一些十进制，咱们就能够转换成二进制的编码串。

好比：

一个空格对应的数字是0 翻译成二进制就是0（注意字符'0'和整数0是不一样的）

一个对勾√对应的数字是251 翻译成二进制就是11111011

那么问题又来了

假如咱们要打印两个空格一个对勾 写做二进制就应该是 0011111011可是 可是问题来了，咱们怎么知道从哪儿到哪儿是一个字符呢？

正是因为这些字符串长的长，短的短，写在一块儿让咱们难以分清每个字符的起止位置，因此聪明的人类就想出了一个解决办法，既然一共就这255个字符，那最长的也不过是11111111八位，不如咱们就把全部的二进制都转换成8位的，不足的用0来替换。

这样一来，刚刚的两个空格一个对勾就写做000000000000000011111011，读取的时候只要每次读8个字符就能知道每一个字符的二进制值啦。

在这里，每一位0或者1所占的空间单位为bit(比特)，这是计算机中最小的表示单位

每8个bit组成一个字符，这是计算机中最小的存储单位(毕竟你是没有办法存储半个字符的)

bit 位，计算机中最小的表示单位
8bit = 1bytes 字节，最小的存储单位，1bytes缩写为1B
1KB=1024B
1MB=1024KB
1GB=1024MB
1TB=1024GB
1PB=1024TB
1EB=1024PB
1ZB=1024EB
1YB=1024ZB
1BB=1024YB

GBK和GB2312                  

显然，对于咱们来讲能在计算机中显示中文字符是相当重要的，然而刚学习的ASCII表里连一个偏旁部首也没有。因此咱们还须要一张关于中文和数字对应的关系表。以前咱们已经看到了，一个字节只能最多表示256个字符，要处理中文显然一个字节是不够的，因此咱们须要采用两个字节来表示，并且还不能和ASCII编码冲突，因此，中国制定了GB2312编码，用来把中文编进去。

你能够想获得的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，

各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。

Unicode                            

所以，Unicode应运而生。Unicode把全部语言都统一到一套编码里，这样就不会再有乱码问题了。

Unicode标准也在不断发展，但最经常使用的是用两个字节表示一个字符（若是要用到很是偏僻的字符，就须要4个字节）。现代操做系统和大多数编程语言都直接支持Unicode。

如今，捋一捋ASCII编码和Unicode编码的区别：

ASCII编码是1个字节，而Unicode编码一般是2个字节。

字母A用ASCII编码是十进制的65，二进制的01000001；

字符0用ASCII编码是十进制的48，二进制的00110000；

汉字“中”已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

你能够猜想，若是把ASCII编码的A用Unicode编码，只须要在前面补0就能够，所以，A的Unicode编码是00000000 01000001。

问题又出现了：

若是统都编辑成Unicode编码，乱码问题今后消失了。可是，若是你写的文本基本上所有是英文的话，用Unicode编码比ASCII编码须要多一倍的存储空间，在存储和传输上就十分不划算。

UTF-8                                 

因此，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不一样的数字大小编码成1-6个字节，经常使用的英文字母被编码成1个字节，汉字一般是3个字节，只有很生僻的字符才会被编码成4-6个字节。若是你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：

字符	ASCII	unicode	UTF-8
A	01000001	00000000 01000001	01000001
中	x	01001110 00101101	11100100 10111000 10101101

从上面的表格还能够发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上能够被当作是UTF-8编码的一部分，因此，大量只支持ASCII编码的历史遗留软件能够在UTF-8编码下继续工做。

搞清楚了ASCII、Unicode和UTF-8的关系，咱们就能够总结一下如今计算机系统通用的字符编码工做方式：

在计算机内存中，统一使用Unicode编码，当须要保存到硬盘或者须要传输的时候，就转换为UTF-8编码。

用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。

文件存取编码转换图:

经常使用编码技术一览表                   

编码	制定时间	做用	所占字节数
ASCII	1967年	表示英语及西欧语言	8bit/1bytes
GB2312	1980年	国家简体中文字符集，兼容ASCII	2bytes
Unicode	1991年	国际标准组织统一标准字符集	2bytes
GBK	1995年	GB2312的扩展字符集，支持繁体字，兼容GB2312	2bytes
UTF-8	1992年	不定长编码	1-3bytes