编码一直是Python学习者头疼的问题。你经常看到的gbk和utf-8是什么？因此，今天恰好出一篇教程，讲述一下coding的起源和发展。问题起源我们在学习Python的时候，可能经常会遇到像下面这样的编码问题。有时我们需要选择gbk，有时我们需要选择utf-8。你认为这是结束了吗？我们也遇到了gb2312、gb18030等各种奇怪的编码。那么，编码的起源是什么？今天我们就用“讲故事”的方式带大家认识一下。黄同学给大家讲一个故事1）烽火台兵的故事讲故事之前，我们先看看下图。我们姑且称之为《烽火士兵》的故事吧，那么这个故事与编码问题有什么关系呢？你在哪里联系的？那就听听我的故事吧。这串数字，从右往左看，点亮第一根代表有一个士兵，点亮第二根代表有两个士兵。也就是说，点亮两座烽火台最多可以代表三名士兵。梳理一下逻辑，一个烽火台不亮，就是零兵；如果只有第一个烽火台点亮，则表示有一个士兵；当第二个信标点亮时，第一个信标熄灭，这意味着有两个士兵士兵；如果同时点亮两个烽火台，则表示有三个士兵。总结一下：2个信标可以代表：0、1、2、3个士兵，即1+2。3个信标可以代表：0、1、2、3、4、5、6、7个士兵，即1+2+4。等等……通过上面的描述，你可能已经发现，这不就类似于计算机中的二进制数吗？只有0和1，0表示熄灭烽火台，1表示点亮烽火台。对应电脑，0表示关闭，1表示开启。接下来黄同学就带大家讲讲“计算机中的0和1”。计算机的底层是电路。它只知道0和1，也就是你们初中物理里所谓的“电路”。0表示关闭，1表示打开，仅此而已。但是想一想，如果一个电路只有0和1，怎么能表现出这个五光十色的世界呢？所以，聪明的老外把日常生活中用到的文字和符号编码成0101010……类型，让计算机来表示这些文字。所以，先记住一个关键词：“用什么编码，就用什么解码”。因为计算机是美国人发明的。所以，最早的计算机编码：ASCII码（也是美国人用的），里面只有26个英文字母、数字、标点符号等美国人日常使用的常用字符，所以最早的计算机只有英文、数字、标点符号等。人物。不要奇怪为什么只有美国人常用的英文字母和符号，因为老梅从来没有想过计算机会迅速普及到全世界，谁也无法提前预知未来。然后说说最早的计算机编码：ASCII码。ASCII码占8位，即一个字节，第1位为扩展位，全0，为以后扩展，其余位不是0就是1。这是因为计算机不是对数字7比较敏感，对2、4、8、16、32等数字比较熟悉，所以把一位展开，变成了8位。那么根据排列组合的知识，ASCII码可以表示2^7=128个码位，即可以表示128个不同的符号。其实这些符号已经足够美国人使用了。这是当时最早的计算机编码（ASCII码），这是老梅当时的计划。2）中国计算机的发展随着世界各地计算机的发展，我们发现原来的码点已经不足以存储很多国家的字符和符号了。为了弄清楚这件事，我们拿中国计算机的发展来举例。解释的例子。通过前面的描述，我们已经知道最早的ASCII码是没有中文的，但是随着中国计算机的普及，我们需要让计算机能够表达中文，怎么办呢？基于此：中国北京大学方正团队发明了gbk码。但是，这些字符一定不能直接放在ASCII码中，因为ASCII码只有8位，最多有2^8=256个空位。存储超过90000个汉字显然是不可能的（连中文常用的3000个汉字也可以存储。不是）。所以在gbk中，汉字用2个字节来表示，变成ASCII码中字节长度的两倍，即gbk占用16位，一共2^16=65536个空位，用来存放常用的就多了汉字，但是仍然不可能把所有的汉字都存储在里面。谁让中华文化源远流长，博大精深。说到gbk，就不得不说说它的兄弟姐妹（如图）。其实它们是一个系列，是随着时代的需要逐渐衍生出来的。这三种不同的代码都是向上兼容的。.可以看出，GB18030代表的字符最多，这也是为什么在使用Python读取Excel表格时，有时GB2312和GBK无法使用，而必须使用GB18030的原因。3）计算机如何兼容多种语言计算机不仅在中国发展起来，全世界的计算机都在飞速发展。如果中国有自己唯一的GBK编码，那么韩国和日本也一定有自己唯一的编码。但当今是“经济全球化”时代，任何国家都不可能独立发展。如果你有国际合作业务，如果你想在国外使用中国写的代码，就会出现乱码。尴尬的？那么这个问题最终是如何解决的呢？为此，美国人发明了一种叫做“Unicode”的东西，也叫“万能码”。其实看名字就知道意思，万能码，万能码一定是要收录世界各国的文字编码！那么什么是Unicode？那就听黄同学告诉你吧。电脑扩展一般都是成倍增加的，要么1字节，2字节，4字节...。原来的Unicode，也叫ucs-2，ASCII用1个字节存储，所以ucs-2用2个字节存储，最多有2^16=65536个空位，还是不能兼容全世界的字符.于是ucs-4产生了，存储用了4个字节，一共2^32=4亿个空位。然而，据统计，全世界的文字、数字和符号的总数只有23万个。对于4亿多空间来说，ucs-4简直就是太浪费空间了。对于文件传输来说，这是一种极大的流量浪费。考虑到节省空间，我们在Unicode的基础上发明了utf-8，一种变长的Unicode字符编码。utf-8，对于英文，采用ASCII码占用方式，占用8位，即1个字节；存储欧文字符时，占用16位，即2个字节；存储中文时占用24位，即3个字节。虽然对中文来说有点浪费篇幅，但是为了统一世界文字，节省篇幅，用这个方法还是很好的（因为毕竟不可能面面俱到，谁做的汉字最多，谁就惨了）小的）。编码知识总结1)字符编码发展史2)以小写字母a为例说明字符编码3)带大家写代码，认识字符编码是ASCII码，所以用Python2写中文的时候，第一行一般会加上--coding:utf-8--。看完这篇文章，我想你对这个东西已经有了清晰的认识。但是Python2现在已经停止更新了，我们只要了解就可以了，不需要太在意。对于Python3.x，默认的字符编码是utf-8，utf-8是Unicode的扩展集。也就是说，Python3.x中的所有字符默认都是Unicode。说白了，我们在Python3.x里面随便写什么，编码就是Unicode编码。Python2和Python3对比：#如果要在Python2中表达Unicode编码，应该这样写。my_name=u"HuangWei"#如果要在Python3中表达Unicode编码，应该这样写。my_name="HuangWei"说到这里，我们可以得出一个结论：不同编码之间的转换，必须经过一个Unicode。②编码解码>>>name1="我是你的老师">>>name2="你是我的学生">>>#将name1编码成"utf-8">>>name1_encode=name1.encode("utf-8")>>>name1_encodeb'\xe6\x88\x91\xe6\x98\xaf\xe4\xbd\xa0\xe4\xbb\xac\xe7\x9a\x84teacher\xe8\x80\x81\xe5\xb8\x88'>>>#解码并恢复name1_encode>>>name1_encode.decode("utf-8")'我是你的老师'---------------------------------------------------------->>>#设置name2编码为“gbk”>>>name2_encode=name2.encode("gbk")>>>name2_encodeb'\xc4\xe3\xc3\xc7\xca\xc7\xce\xd2\xb5\xc4student\xd1\xa7\xc9\xfa'>>>#解码还原name2_encode>>>name2_encode.decode("gbk")'你是我的学生'---------------------------------------------->>>#name1_encode此时是“utf-8”编码，如果用“gbk”解码，会发生什么>>>name1_encode.decode("gbk")'鎴戏槈槧槧抱抱抱镄，eacherkey佸笀'#以上就是我们常说的乱码，乱码，乱码！代码分析：从代码可以看出,如果是utf-8编码，每个汉字存储3个字节；如果是gbk编码，每个汉字存储2个字节。以上就是本次分享的全部内容。想了解更多Python知识，请前往公众号：Python编程学习圈，每日干货分享，送“J”，海量学习资料。
