文本 也有 文件的 一位 pri 一行 word 終端 二進制位

編碼：真實字符與二進制串的對應關系，真實字符→二進制串

解碼：二進制串與真實字符的對應關系，二進制串→真實字符 首先，明確一點，計算機中存儲的信息都是二進制的 編碼/解碼本質上是一種映射（對應關系），比如‘a’用ascii編碼則是65，計算機中存儲的就是00110101，但是顯示的時候不能顯示00110101，還是要顯示‘a‘，但計算機怎麽知道00110101是‘a‘呢，這就需要解碼，當選擇用ascii解碼時，當計算機讀到00110101時就到對應的ascii表裏一查發現是‘a‘，就顯示為‘a‘

ASCII & UTF-8

大家熟知的ASCII以1字節8個bit位表示一個字符，首位全是0，表示的字符集明顯不夠 unicode編碼系統是為表達任意語言而設計的，為了防止存儲上的冗余（比如，對應ascii碼的部分），其采用了變長編碼，但變長編碼給解碼帶來了困難，無法判斷是幾個字節表示一個字符 UTF-8是針對unicode變長編碼設計的一種前綴嗎，根據前綴可判斷是幾個字節表示一個字符 如果一個字節的第一位是0，則這個字節單獨就是一個字符；如果第一位是1，則連續有多少個1，就表示當前字符占用多少個字節。 比如"嚴"的unicode是4E25（100111000100101），4E25處在第三行的範圍內（0000 0800-0000 FFFF），因此"嚴"的UTF-8編碼需要三個字節，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然後，從"嚴"的最後一個二進制位開始，依次從後向前填入格式中的x，高位補0，得到"嚴"的UTF-8編碼是"11100100 10111000 10100101"。

python中的解碼和編碼

在python中，編碼解碼其實是不同編碼系統間的轉換，默認情況下，轉換目標是Unicode，即編碼unicode→str，解碼str→unicode，其中str指的是字節流 而str.decode是將字節流str按給定的解碼方式解碼，並轉換成utf-8形式，u.encode是將unicode類按給定的編碼方式轉換成字節流str 註意調用encode方法的是unicode對象生成的是字節流，調用decode方法的是str對象（字節流）生成的是unicode對象，若str對象調用encode會默認先按系統默認編碼方式decode成unicode對象再encode，忽視了中間默認的decode往往導致報錯 自己寫代碼時只需記住str字節流調用decode，unicode對象調用

s = u‘
 
嚴‘
s
print type(s), s

第一行定義了一個unicode對象（不是utf8）

第二行會輸出u‘\u4e25‘ 第三行輸出<type ‘unicode‘> 嚴

u = s.encode(‘utf8‘)
u
print type(u),u

倘若這時我用s.encode(‘utf8‘)，則將s使用utf-8編碼並將編碼結果保存為字節流

第二行輸出‘\xe4\xb8\xa5‘ 第三行輸出<type ‘str‘> 涓 還有要註意的是，終端默認的編碼格式是gbk，windows cmd中可以通過chcp查看以及改變，也可以到註冊表修改終端默認編碼（HKEY_CURRENT_USER console或者powershell下的codepage），936為簡體中文，65001為utf8，兩者都可顯示中文，但為了方便中文輸入，我將其默認設為936

當調用print函數將內容格式化輸出到終端時，會將unicode對象轉換為終端的編碼方式輸出，如上面第一次print的結果是正常的，print utf8字節流時，終端按其默認gbk解碼顯示時就會出問題，這裏恰巧‘\xe4\xb8‘為gbk下的“涓”

t = s.encode(‘utf8‘).decode(‘utf8‘)

t 第二行會輸出u‘\u4e25‘

文件的編碼格式

保存文本時也有編碼格式，比如txt文件保存可選擇則ASCII、utf8等，對py文件可在前兩行註明編碼方式# -*- coding: UTF-8 -*- 在python中讀取文件

fr = open(‘encode.py‘,‘r‘)
fstr = fr.read()

只要記住fstr是字節流，其他的操作參看上面即可

註：以上操作均在cmd或powershell下完成，在python自帶的解釋器下會有問題，s=u‘你好‘，然後s，顯示的雖然是unicode對象，但是編碼卻是gbk的而不是unicode

編碼與解碼