各种编码在内存中所占的大小:
ascii: 英文:8bit (1B)
uft-8: 英文:8bit (1B)
中文:24bit (3B)
GBK: 英文:8bit (1B)
中文:16bit (2B)
unicode: 英文:32bit (4B)
中文:32bit (4B)
python3代码执行过程:
- 解释器找到代码文件(文件以utf8/GBK..存储)，
- 把代码字符串按文件头定义的编码进行解码到内存，转成unicode
- 所有的变量字符都会以unicode编码声明(str的编码方式就是unicode)
unicode只在内存中进行显示, 传输和存储需要用到utf8/GBK.., 所以必须转成utf8/GBK..
str和bytes的区别就是编码方式的不同:
str(unicode编码) ==> bytes(utf8/GBK..) ==> 存储, 传输
bytes = str.encode('utf-8') # 编码
str = bytes.decode('utf-8') # 解码
python3中str和bytes表现和编码:
英文:
str: 表现方式==>'a'
编码方式==>0101 unicode
bytes: 表现方式==>b'a'
编码方式==>0101 utf8/GBK..
中文:
str: 表现方式==>'中'
编码方式==>0101 unicode
bytes: 表现方式==>b'x\e9'
编码方式==>0101 utf8/GBK..
在python2中:
- u'xxx'为unicode对象, 就是python3中的str
- bytes和str是同一个类型
s = 'a'
print (s, type(s)) # 'a', <type 'str'>
s = u'中文'
print(s, type(s)) # u'\u4e2d\u6587', <type 'unicode'>
# 编码变成utf-8, 一个中文三个字节
s1 = s.encode('utf-8')
print(s1, type(s1)) # '\xe4\xb8\xad\xe6\x96\x87', <type 'str'>
# bytes和str是同一个类型
s1 = 'a'
s2 = bytes('a')
print(s1 is s2) # True
