编解码
- ASCII：1字节，0-255
- GBK2313：常用的汉字，2万多个
- GBK：对GBK2313的补充，支持藏文，2个字节表示一个汉字
- big5：*，繁体字
- unicode：万国码，2-4字节，只是在内存中使用，传输或者保存时要编码
- UTF：Unicode transformation format
- UTF-8：变长，1-4个字节，兼容ASCII，汉字2字节，好处是省空间，但是浪费时间
- UTF-16：2字节
- UTF-32：4字节
总而言之：
- Unicode定义世界每个字符的索引值。
- Unicode编码：包含全世界的所有字符，但是，他只是用来在内存中使用。一旦需要存储到文件或者是网络传输，默认计算机系统不支持unicode。
如果必须要存储到文件或者网络传输时：我们必须用bytes类型（gbk或utf-8编码的bytes类型字符串）。
我们用gbk还是utf-8？
你的应用程序是针对所有的处理都是utf-8，那么你传输的数据就要必须是utf-8- UTF8/UTF16实现Unicode的标准，把字符存储到存储介质中。
- py3中默认的编码格式是utf-8，utf-8编码中文一般为3个字节，gbk一般是2个字节
- py3默认类似是str类型（即unicode类型），在文件中保存的类型都是bytes类型
- py2默认类型是str类型（即bytes类型）
bytes类型---->通过decode（解码）---->转化为Unicode类型（str）
Unicode类型---->通过encode（编码）----->转化为bytes类型
总结： encode：都是用来得到非unicode类型字符串 decode：都是用来获取unicode类型#py3里面的字符串 >>> s="a" >>> type(s) #py3对应的str是unicode类型 <class 'str'>
>>> s1=b'a' #py3中前面加b是变成bytes类型
>>> type(s1)
<class 'bytes'>
>>> s="中国"
>>> s.encode("utf-8") #encode编码后转为bytes类型
b'\xe4\xb8\xad\xe5\x9b\xbd' #bytes类型前面有个b开头
>>> type(s.encode("utf-8"))
<class 'bytes'>
>>>
>>> s.encode("gbk") #str类型转化为bytes类型需要encode编码一下
b'\xd6\xd0\xb9\xfa'
>>> s.encode("gbk").decode("gbk") #bytes类型转为str类型需要decode一下
'中国'
>>> type(s.encode("gbk").decode("gbk"))
<class 'str'>
>>>
注意：写入文件时，必须encode后才能写入
注意：用什么编码就对应的用什么解码，否则会报错或者乱码
>>> s="光荣之路测试开发培训".encode("gbk")#用gbk编码
>>> s
b'\xb9\xe2\xc8\xd9\xd6\xae\xc2\xb7\xb2\xe2\xca\xd4\xbf\xaa\xb7\xa2\xc5\xe0\xd1\x
b5'
>>> s.decode("utf-8")#用utf-8解码
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb9 in position 0: invalid#报错：'utf-8'编解码器不能解码字节0xb9在位置0:无效
start byte
>>>
>>> s.decode("gbk")#用gbk解码
'光荣之路测试开发培训'
>>>
#py2里面的字符串
>>> s="abc"
>>> type(s) #py2对应的str是bytes类型
<type 'str'>
>>>
>>> s.decode("gbk") #py2str类型不能encdoe，只能先decode，
u'abc' #解码后是unicode，开头加了u
>>> type(s.decode("gbk"))
<type 'unicode'>
>>> print s.decode("gbk")
abc
>>> print s.decode("gbk").encode("gbk")
abc
>>>
注：如果记不住可以不用管py2里的情况只记py3的