python基础|字符编码

　　　　　任何一个程序想要运行，必须先有硬盘加载到内存，然后由cpu去内存取只执行。运行着的应用程序的数据，必须在内存运行。python运行文件的三步，首先把python文件解释器读取到内存上，然后应用程序代码文本文件读取到内存上，最后python解释器对程序代码进行编译成计算机识别的代码。

字符编码

 　　字符编码和文本文件有关。文字，字母，数字符号等都属于字符。常见的文本文件，记事本，word文件等。但是图片和视频不属于文本文件。

　　 我们写的文件要想之后还可以查看，文件就要存储到硬盘中。其过程就是计算机将字符对应字符编码表翻译成二进制数存入硬盘。早期计算机使用英文字符，存入硬盘占用1Btes，也就是八位二进制（8Bts)，
 　　输入字符  >>>>>>（字符编码表）>>>>>   二进制数
 

            #
             存储单位小知识
 8bits = 1Bytes
 1024Byes = 1kb
 1024kb = 1Mb
 1024Mb = 1GB
 1024GB = 1T
 1024T = 1P

　　后来各个国家也是用计算机，但是使用英文十分不方便。各个国家都绘制自己的编码表，中国是用GBK编码表，中文字符占2Btes。日本使用shift-jis编码表，韩国使用ECU-KR编码表。

万国码unicode

　　万国码unicode出现，它可以兼容各国语言，各国语言都可以识别。unicode编码统一所有字符都占2Btes。但是这种编码也有缺点，就是浪费存储空间，程序运行效率低。在此基础上出现了优化的utf-8编码。utf-8编码会将unicode用文字夫由原来的2Btes变成1Btes,将中文的2Btes变成3Btes存入硬盘中。　

　　对于存入文件的过程可以理解为：

　　数据保存到硬盘
  　　　　1， 内存中的unicode格式二进制数据数字 >>>>> (encod) >>>> utf-8
 　  硬盘中的数据有硬盘读到内存
  　　　　1， 硬盘中的utf-8格式的二进制数据   >>>>解码（decode) >>>unincode格式的二进制数据

      要明白的是用户输入分时候，无论输入什么字符都能够兼容万国字符。其他国家的数据有硬盘读到内存的时候unicode与其他各个国家的编码都有对应关系。
 　 在python2默认使用ASCII码（因为在开发pyhon2解释器时uniocode还没有盛行），而在python3中默认使用的是utf-8。python3字符串默认使用unicode编码格式的二进制数
 文件头

　　在文件中的字符编码运行之前，要明白的是，文件以什么格式存入硬盘就应该以什么格式读出来。可以想象这样一个场景，发密电码，发送者以一种编码方式发出，解码者就必须一相同编码方式才能解密。如果不是，那么将会得到一堆乱码。计算机也是如此

# 以gbk格式存入编码，以utf-8格式解码
a = ‘学习‘            # 数据字符串‘学习’
a1 = a.encode(‘gbk‘)    # 以gbk格式存入
a2 = a1.decode(‘utf-8‘)    # 以utf-8格式读出
print(a2)    # 结果是可以读但是无法解码，导致乱码
??    
# 以gbk格式存入，以gbk格式读出
a = ‘学习‘            # 数据字符串‘学习’
a1 = a.encode(‘gbk‘)    # 以gbk格式存入
a2 = a1.decode(‘gbk‘)    # 以utf-8格式读出
print(a2)
学习

总结：

　　在读取文件的时候，如果乱码，很大可能就是读的时候与存入编码格式不同所致

  　　（在文件看到：# coding:utf-8 ，它的意思告诉解释器用utf-8编码解码。）

原文：https://www.cnblogs.com/huaiXin/p/11140478.html