Python之编码本质

Python之编码本质

声明本文章仅用于个人学习的内容整理归纳总结，本人才疏学浅错误难免发生。

字节序列

• Python3 引入两个新的类型bytes、bytearray。
• bytes不可变字节序列;bytearray是可变字节数组。

编码与解码

• 编码:str => bytes，将字符串这个字符序列使用指定字符集encode编码为一个个字节组成的序列 bytes
• 解码:bytes或bytearray => str，将一个个字节按照某种指定的字符集解码为一个个字符串组成的 字符串
  • 编码：字符序列 -> 二进制binary 字节序列 encode编码
  • 解码：bin -> str decode解码

'abc'.encode()
# bytes
# 返回结果：b'abc'
1
2
3

bytes
# 返回结果：bytes
1
2

bytes()
# 返回结果：b''
1
2

'啊'.encode()
# \x一个十六进制数 转义字符
# 返回结果：b'\xe5\x95\x8a'
1
2
3

b'\xe5\x95\x8a'.decode()
# 解码
# 返回结果：'啊'
1
2
3

x = b'\xe5\x95\x8a'.decode()
len(x)
# 查看x的长度
# 返回结果：1
1
2
3
4

'啊'.encode()
# unicode编码
# 返回结果：b'\xe5\x95\x8a'
1
2
3

'啊'.encode('gbk')
# unicode使用gbk编码
# 返回结果：b'\xb0\xa1'
1
2
3

b'\xb0\xa1'.decode('big5')
# gbk编码使用big5解码（big5又称大5码是台湾的编码格式）
# 返回结果：'陛'
1
2
3

"啊你好".encode('gbk')
# unicode使用gbk编码
# 返回结果：b'\xb0\xa1\xc4\xe3\xba\xc3'
1
2
3

b'\xb0\xa1\xc4\xe3\xba\xc3'.decode('big5')
# gbk编码使用big5解码
# 返回结果：'陛斕疑'
1
2
3

b'\xb0\xa1\xc4\xe3\xba\xc3'
# 字节序列
1
2

b'\xb0\xa1\xc4\xe3\xba\xc3'.decode('gbk')
# '啊你好' 字符序列
# 返回结果：'啊你好'
1
2
3

'\x41'
# str 表示
# 返回结果：'A'
1
2
3

0x41
# int 表示
# 返回结果：65
1
2
3

'ab' > 'ac'
# 字符串比较大小，逐个字符比较
# 返回结果：False
1
2
3

'\x41\x09 \x20\x31'
# 返回结果：'A\t  1'
1
2

b'\x41\x09 \x20\x31'
# 返回结果：b'A\t  1'
1
2

'A' > 'a'
# 返回结果：False
1
2

• 在二进制的世界里没有编码，就是一个字节一个字节形成的字节序列
• 如果把二进制当成字符看，需要确认对应的编码表
• python3 用的字符格式都是unicode编码表