2 python的編碼
3 編碼的延伸
簡單來說，從明文到編碼文字，稱為"編碼"。從編碼文字解發布到明文，稱為"解碼"。
ascii: 計算機儲存資料是用了乙個個電阻單元，開啟為：1，關閉為: 0，稱為1bit，也正為1位。最早，美國人用八個電阻去表達字元符，也就能表達256個不同的字元，英文單詞才有26個，加上一些特殊字元也綽綽有餘了。如字元a -> 00010001。
ansi: 擴充套件的ascii碼，早期的字元剛滿128個。所以第8位往往是0。為了表示更多字元，有擴充套件了第八位。共可表達256位字元，其中包含了一些拉丁文。
gb2312: 在中國日新月異的發展當中，計算機編碼也傳遞了過來。但是，之前的編碼不能表達漢字。所以2023年，我國自主研發了gb2312編碼。把第8位對應的拉丁文刪除。將二進位制數值小於127的字元意義不變，仍表示英文本元和一些特殊字元；但將大於127的字元，於另一大於127的字元自由組合，表示為乙個特定的漢字。簡單來說，就是兩個大於127的位元組表示乙個中文漢字。共能表示7000多個漢字。其也算是對ascii編碼的擴充套件。
gbk與gb18030： 但是7000個漢字，是不夠用的。所以，之後擴充套件為，當第乙個位元組大於127，後接隨意位元組，就表示為乙個漢字。在gb2312的基礎上，又增加了20000多個漢字（包含一些繁體字和符號）。
unicode： 該編碼用兩個位元組表示乙個字元，256*256 = 65536 個。 共可以表示6萬5千多種不同的字元，足以可以表示全世界所有的有意義字元(包括甲骨文)。你可以向我一樣，稱它為「unique code」，天下獨一的編碼。
utf-8： 有了unicode，為什麼還發展出新的編碼了呢。是因為，本來乙個位元組都可以儲存所有26個英文本元，為什麼還非要兩個位元組，造成儲存冗餘呢。所以，美利堅的專家們針對此問題創造了自由度較高的utf-8。它可以是用1-4個位元組來表示乙個字元。當乙個字元的二進位制長度小於127，就盡可能用ascii碼來表達。根據不同的符號型別，來變換長度。常用中文字元佔3個位元組（2w+），一些難寫的字佔4個位元組。
unicode的編碼：
str = 'u are a 小狗 』 # 這是我們可以看懂的一句明文，包含英文、漢字
以下為unidode編碼，\u為識別符號，後加4個16進製制的數字:
以乙個英文本母及乙個漢字為例：
u: 0055
狗: 5c0f
u： 00000000 01010101
狗：01011100 00001111
有時候，我們發現u的unicode碼也可以寫成…。其實\u開頭和開頭是一樣的，\u代表unicode16進製制的寫法，表示10進製的寫法。
0x開頭代表十六進製制 \u則代表unicode編碼 \x對應的是utf-8編碼的資料utf-8的編碼：
u： 01010101 狗： 00000001 00011001 00100001
英文本元延用了ascii的規則，用乙個位元組表示。但是中文字元用2~4個位元組來表示。因為程式多是用到了英文本元。所以，當程式文字量大的時候，utf-8比unicode能節省許多儲存空間。
python作為一種供計算機使用者編寫程式的高階語言。當我們用其書寫一些明文的時候，它內部會幫我們轉成預設的編碼字元，提供給計算機處理。所以，我們要了解python2\python3的預設編碼以及我們可以做出的修改。
1> py2預設編碼型別認為ascii:
預設是ascii編碼，str型別。但是當ide無指定utf-8、ansi等編碼文字的時候，會報錯，因為ascii編碼無法表示漢字字元。
加上抬頭：
# *-* coding: utf-82> py2加u，顯示unicode編碼:
可以發現，ascii方式的字串被py2標記為str型別，unicode方式的字串被py2標記為unicode型別，其他外部使用的編碼，py2也標記為str型別。
那麼如何轉換成其他編碼呢？
編碼是給機器看的，明文是給人看的，print就是直接列印當前編碼的明文。
發現，編碼成gbk會亂碼，這是因為兩碼不通的緣故。
**3> 總結：**py2的字元型別就設定為兩種: str及unicode型別。其他如utf-8、gbk顯示也是預設的str字串型別，被轉換成幾個ascii碼。但是其實真正的ascii編碼中是不包含這個編碼的明文的。
4> 解碼decode: 就是將編碼轉換成明文。由於，每種編碼方式都有不同的編碼規則，所以就要選用對應的解碼規則。不然就會報錯：
正確解碼：
&emsp:1> py3也有兩種型別，我覺得這兩種型別更符合人的認知意識，就是明文本串和位元組表示符：
str就是明文本串，bytes就是位元組表示符（多進製來表示）。
總之py3是更符合人的思維邏輯的。encode就是編碼，是機器能讀懂的編碼文字。decode就是解碼，解發布人能看懂的明文。
我覺得，在python2互動輸入框中輸入字串的時候，不用ide、不加u則會報錯，因為預設編碼為ascii碼，沒有中文字元。加u編碼是unicode，直接解碼顯示為明文。輸入明文，就預設解碼顯示明文了，內部編碼型別是unicode。
在python3中，也有兩種字串格式型別了，但是該str是指明文字串，bytes是指編碼的位元組表示符。
其實，當我查閱資料的時候，有些人講:其實許多軟體內部都把預設儲存編碼選擇為unicode，這是因為unicode又被稱為萬國碼，因為它能儲存6w5千多個符號，漢字、英文、拉丁文、日文等盡收囊中。包羅永珍、相容性最佳。當我們把軟體的顯示編碼除錯為ansi、utf-8的時候，在儲存時，都會先轉換為unicode，再進行儲存。
究竟內部儲存編碼型別，為unicode或者是其他gbk、ansi、utf-8等都是無所謂的。我們只需要知道：
py2預設編碼解碼方式為ascii,py3為utf-8。通過以下方式可以查詢：
import sys
print(sys.getdefaultencoding())
# *-* coding:utf8在我們儲存一種文字檔案，並用python自帶的f = open(file)去開啟的時候，會發現f的內容為亂碼或者報錯。這是因為，檔案file可能是ansi的編碼，但是python3預設的編碼解碼型別是utf-8,所以就會出現亂碼。或者，windows作業系統預設為gbk解碼方式，開啟utf-8檔案報錯。
這時候，就可以指定編碼方式，f = open(file, encoding = 『utf-8』)
計算機編碼 編碼
原碼 a.規則 最高位為符號位，0為正數，1為負數，剩餘位表示資料 b.例 95 原 0101 1111 原 77 原 11001101 原 c.特點 區分正負零 缺陷 0 原 0000 0000 0 原 1000 0000 原碼可能出錯 1 原 1 原 1000 0010 原 2 d d.範圍 8...
計算機編碼
來自 阮一峰 一下對自己有用的精簡部分 1.ascii碼 在計算機內部，所有的資訊最終都表示為乙個二進位制的字串。每乙個二進位制位有0和1兩種狀態，因此八個二進位制位就可以組合出256種狀態，這被稱為乙個位元組 byte 也就是說，乙個位元組一共可以用來表示256種不同的狀態，每乙個狀態對應乙個符號...
計算機編碼
很久很久以前，有一群人，他們決定用8個可以開合的電晶體來組合成不同的狀態，以表示世界上的萬物。他們看到8個開關狀態是好的，於是他們把這稱為 位元組 再後來，他們又做了一些可以處理這些位元組的機器，機器開動了，可以用位元組來組合出很多狀態，狀態開始變來變去。他們看到這樣是好的，於是它們就這機器稱為 計...