1.3.0 Python 字符编码

1.内存和硬盘都是用来存储的。

内存：速度快,临时存放 硬盘：速度慢,永久保存

2.文本编辑器存取文件的原理（nodepad++,pycharm,word）

打开编辑器就能够启动一个进程，是在内存中的，因此在编辑器编写的内容也都是存放在内存中的，断电后数据就丢失了。于是须要保存在硬盘上，点击保存按钮或快捷键，就把内存中的数据保存到了硬盘上。在这一点上，咱们编写的py文件（没有执行时），跟编写的其余文件没有什么区别，都只是编写一堆字符而已。

3.python解释器执行py文件的原理，例如python test.py

第一阶段： python解释器启动，此时就至关于启动了一个文本编辑器 第二阶段： python解释器至关于文本编辑器，去打开test.py，从硬盘上将test.py的文件内容读入到内存中 第三阶段： python解释器执行刚刚加载到内存中的test.py的代码（在该阶段，即执行时，才会识别python的语法，执行到字符串时，会开辟内存空间存放字符串） 总结： python解释器与文本编辑器的异同 相同点： python解释器是解释执行文件内容的，于是python解释器具有读py文件的功能，这一点与文本编辑器同样 不一样点： 文本编辑器将文件内容读入内存后，是为了显示/编辑，而python解释器将文件内容读入内存后，是为了执行（识别python的语法）

4.什么是编码？

计算机想要工做必须通电，高低电平（高电平即二进制数1，低电平即二进制数0），也就是说计算机只认识数字。那么让计算机如何读懂人类的字符呢? 这就必须通过一个过程： 字符---------（翻译过程）-------------数字 这个过程实际就是一个字符如何对应一个特定数字的标准，这个标准称之为字符编码。

5.如下两个场景涉及到字符编码的问题：

1.一个python文件中的内容是由一堆字符组成的（python文件未执行时） 2.python中的数据类型字符串是由一串字符组成的（python文件执行时）

6.字符编码的发展史

阶段一：现代计算机起源于美国，最先诞生也是基于英文考虑的ASCII ASCII:一个Bytes表明一个字符（英文字符/键盘上的全部其余字符），1Bytes=8bit，8bit能够表示0-2**8-1种变化，便可以表示256个字符 ASCII最初只用了后七位，127个数字，已经彻底可以表明键盘上全部的字符了（英文字符/键盘的全部其余字符） 后来为了将拉丁文也编码进了ASCII表，将最高位也占用了 阶段二:为了知足中文，中国人定制了GBK GBK:2Bytes表明一个字符，为了知足其余国家，各个国家纷纷定制了本身的编码，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里 阶段三：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。 因而产生了unicode， 统一用2Bytes表明一个字符， 2**16-1=65535，可表明6万多个字符，于是兼容万国语言 但对于通篇都是英文的文原本说，这种编码方式无疑是多了一倍的存储空间（二进制最终都是以电或者磁的方式存储到存储介质中的） 因而产生了UTF-8，对英文字符只用1Bytes表示，对中文字符用3Bytes ==须要强调的是：==   ==unicode：== 简单粗暴，多有的字符都是2Bytes,优势是字符--数字的转换速度快；缺点是占用空间大。   ==utf-8:== 精准，可变长，优势是节省空间；缺点是转换速度慢，由于每次转换都须要计算出须要多长Bytes才可以准确表示。

• 1.内存中使用的编码是unicode，用空间换时间（程序都须要加载到内存才能运行，于是内存应该是越快越好）
• 2.硬盘中或网络传输用utf-8，保证数据传输的稳定性。

7、字符编码转换  

unicode------>encode(编码)-------->utf-8 utf-8---------->decode--------->unicode

文件从内存刷到硬盘的操做简称存文件 文件从硬盘读到内存的操做简称读文件 乱码：存文件时就已经乱码 或者 存文件时不乱码而读文件时乱码 总结： 不管是何种编辑器，要防止文件出现乱码（请必定注意，存放一段代码的文件也仅仅只是一个普通文件而已，此处指的是文件没有执行前，咱们打开文件时出现的乱码） 核心法则就是，文件以什么编码保存的，就以什么编码方式打开

8、 文本编辑器之python解释器

文件test.py以gbk格式保存，内容为：   x='林' 不管是   python2 test.py 仍是   python3 test.py 都会报错（由于python2默认ascii，python3默认utf-8） 除非在文件开头指定#coding:gbk

9、程序的执行

python3 test.py 或 python2 test.py（执行test.py的第一步，必定是先将文件内容读入到内存中） 阶段一：启动python解释器 阶段二：python解释器此时就是一个文本编辑器，负责打开文件test.py,即从硬盘中读取test.py的内容到内存中 此时，python解释器会读取 test.py 的第一行内容，#coding :utf-8,来决定以什么编码格式来读入内存，这一行就是来设定python解释器这个软件的编码使用的编码格式这个编码，python2默认使用ASCII，python3中默认使用utf-8 阶段三：读取已经加载到内存的代码（unicode编码的二进制），而后执行，执行过程当中可能会开辟新的内存空间，好比x="egon" 内存的编码使用unicode，不表明内存中全都是unicode编码的二进制， 在程序执行以前，内存中确实都是unicode编码的二进制,好比从文件中读取了一行x="egon",其中的x，等号，引号，地位都同样，都是普通字符而已，都是以unicode编码的二进制形式存放与内存中的 可是程序在执行过程当中，会申请内存（与程序代码所存在的内存是俩个空间），能够存听任意编码格式的数据，好比x="egon",会被python解释器识别为字符串，会申请内存空间来存放"hello"，而后让x指向该内存地址，此时新申请的该内存地址保存也是unicode编码的egon,若是代码换成x="egon".encode('utf-8'),那么新申请的内存空间里存放的就是utf-8编码的字符串egon了

10、python2与python3的区别

在python2中有两种字符串类型str和unicode 在python2中，str就是编码后的结果bytes，因此在Python2中，unicode字符编码的结果就是str/bytes

#coding:utf-8
s='林' #在执行时,'林'会被以conding:utf-8的形式保存到新的内存空间中
print repr(s) #'\xe6\x9e\x97' 三个Bytes,证实确实是utf-8
print type(s) #<type 'str'>
s.decode('utf-8')
## s.encode('utf-8') #报错，s为编码后的结果bytes，因此只能decode
复制代码

当python解释器执行到产生字符串的代码时（例如s=u'林'），会申请新的内存地址，而后将'林'以unicode的格式存放到新的内存空间中，因此s只能encode，不能decode

s=u'林'
print repr(s) #u'\u6797'
print type(s) #<type 'unicode'>
## s.decode('utf-8') #报错，s为unicode，因此只能encode
s.encode('utf-8') 
复制代码