Python快速入门-字符编码

字符编码格式

计算机中显示的文字都需要编码格式的支持，否则你只能看到0、1组成的神秘序列

什么是编码：

计算机出生之初仅仅为了计算，所以只有数字0、1后来，计算机有了更多的诉求，希望能记录更多的文字信息，但是计算机还是只认识0、1怎么办？

有人出了主意：让数字0代表一个字，数字1代表一个字以此类推：

0--文字1

1--文字2

2--文字3

3--文字4

4--文字5

......

于是这样的对照表就称为编码格式

编码的变迁史：

早期计算机表示的数字很少：8位机时代0-255 所以只能表示256个文字ascii编码格式/iso8859-1 chr(数字)可以将数字变为码表中的文字

print(chr(97))

计算机迅速传入各个国家：中国出现了gbk(国标码) gb2312(简体码) big5(繁体码)

乱码时代：各个国家都有各自的编码格式，那么计算机在传输后，就会乱码：

例：

可以使用内置函数ord(‘文字’)获取文字的底层数据：

print(ord('中'))

“中”：底层数字是20013

但是可能韩文编码下可能未对20013进行映射，那么就会显示? 这就是乱码！

大一统时代：unicode

unicode的出现让乱码乱象得到控制

unicode码将几乎所有文字都约束在它的编码之下，世界使用一种码，自然没有乱码

中文范围:"\u4e00"--"\u9fa5"

print("\u4e2d")

现状：utf-8

unicode作为国际统一码，也叫双字节编码，不利于

网络传输，网络大多流转英文字符居多

so就出现了变种的unicode：utf-8:英文单字节，其他文字三字节。

为了世界不再乱码，请用utf-8！！！

组码：会得到一个bytes序列

字符串.encode(encoding='UTF-8',

errors='strict')

解码：会得到一个按编码解析的字符串

字节序列.decode(encoding='UTF-8',

errors='strict')

如果设置为strict，代表遇到非法字符时抛出异常；如果设置为ignore，则会忽略非法字符；

如果设置为replace，则会用?取代非法字符；

如果设置为xmlcharrefreplace，则使用XML的字符引用