python-(4-5)数据类型的应用（字符集、编码和运算符）

一. 字符集和编码

1. 概念定义

ASCII：8bit 1byte 编排了128个文字符号，只需要7个0或1，但防止不够，多加一位，即8bit
gbk：16bit 2byte Windows默认
unicode：32bit 4byte（万国码，没法使用，只是一个标准）
utf-8：Mac和Linux默认
—英文：8bit 1byte
—欧洲：16bit 2byte
—中文：24bit 3byte

gbk源自于ANSI（一套标准，16bit 2byte，美国人制定，其他人自己添加，源自于ASCII）
utf-8源自于unicode
二者来自不同标准，不能直接转化
gbk（我军密码本）—> 文字 —> utf-8（敌军密码本）

2. 编码和解码

程序员平时遇见的所有数据最终单位都是字节byte

1. 对字符进行编码

下面以示例说明，字符串分别用gbk和utf-8表示的字节数。

执行下面代码，用gbk来对“刘德华”编码，将文字表示成字节的形式

s = "刘德华"
bs1 = s.encode("gbk")
print(bs1)
1
2
3

执行结果如下：

b'\xc1\xf5\xb5\xc2\xbb\xaa'
1

每一个反斜杠及其后面的内容表示一个字节bye，所以“刘德华”三个汉字用gbk编码是6个字节。
这与上述gbk编码所长字节长度定义相符合（一个字符是2byte的长度）。

同理，用utf-8编码如下图所示：

utf-8的中文字符每个字符占3个byte长度，因此“刘德华”总共为9个字节

2. 将gbk的字节转化成utf-8的字节

首先，得到gbk的编码

bs_gbk = b'\xc1\xf5\xb5\xc2\xbb\xaa'
1

其次，用gbk解码，将其变成文字符号（即字符串"刘德华“）

str = bs_gbk.decode("gbk")
1

最后，将得到的字符串用utf-8重新编码，并打印结果

bs_utf8 = str.encode("utf-8")
print(bs_utf8)
1
2

就可以得到b'\xe5\x88\x98\xe5\xbe\xb7\xe5\x8d\x8e'

总结：

str.encode("编码方式")  #编码
bytes.decode("解码方式") #解码
1
2

3. 补充说明

如果是中英文混在一起进行编码

utf-8的中文一个字符站3个字节，都没问题。
而abc是英文，占一个字节，也就是ASCII码，可以正常显示
所以，英文原来是什么，编码也还是什么，gbk也同样如此。ASCII的标准在哪里都适用。

二. 运算符

1. 算术运算

2. 比较运算

大于、大于等于、小于、小于等于、等于、不等于六种关系

3. 赋值运算

需求：a=100 b=20 将a和b的数值进行互换
方法一：（仅适用于python）

a = 100
b = 20
a, b = b, a  # 等号右边的是一个元组，在python可以解构
print(a)
print(b)
1
2
3
4
5

方法二：

a = 100
b = 20

# 将a的值存储在一个变量tmp中
tmp = a

# 将b的值赋给a，此时a是20，b也是20
a = b

# 将tmp（100）的值赋给b,此时b是100
b = tmp

# 打印结果
print(a)
print(b)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

4. 逻辑运算

and 左右两端都是真，结果才是真
or 左右两端最少有一个为真，结果才是真
not 非真即假，非假即真
当三者同时出现时，最好加上括号
如果没有括号，运算级别括号 > not > and > or

5. 成员运算

xxx在xxx中出现了，为真in
xxx不在xxx中出现了，为真not in