编码问题的理解

当我们定义一个变量:

a = '中'

实际上在内存中找了一个区域存入了'中',我们知道在内存中的编码方式统一为Unicode,所以'中'实际上占用了2个字节

>>> ord('中')
20013

20013的二进制表示为01001110 00101101,即ord()功能是显示存入内存中的以Unicode编码方式的二进制数,既然如此,我们可以将这个以Unicode编码方式的二进制数以utf-8的编码方式进行编码:

>>> '中'.encode()  #编码方式默认utf-8
b'\xe4\xb8\xad'

以utf-8编码后,发现'中'会占用3个字节(欺负人!)

至于解码decode(),只有当给我们一堆二进制数的时候,才可以使用,比如 b'\xe4\xb8\xad',只有我们使用utf-8的编码方式解码(decode)时才会显示'中',用其他编码方式解码无效,因为b'\xe4\xb8\xad'是'中'的utf-8编码方式

操作一个文本文档txt时,读取文本文档,由于文本文档中的内容是由utf-8的编码方式保存的,所以需要以utf-8编码方式进行解码(decode),解码后知道了文本文档的具体内容,需要将这些内容放入内存,所以以Unicode编码方式存入内存,然后我们对文本内容进行修改,修改的都是内存中的数据,修改完后需要保存,所以内存中的Unicode会以utf-8的编码方式进行编码(encode)。当然也可以不用utf-8,使用其他编码方式如GBK等。

猜你喜欢

转载自blog.csdn.net/xiaobaicai4552/article/details/80209219
今日推荐