字元編碼及操作方法

今天來了解了解關於字元編碼的一些知識，關於字元編碼，其實我們生活當中所有的智慧裝置都有字元編碼，並且每個國家都有自己的字元編碼，記錄著各個國家的文字資訊，例如早期的一些網站專案都是用中國的 gbk 編碼。

每個國家的計算機編碼只能識別自己國家的文字，如果非當前國家編碼的文字在計算機文件中會以亂碼顯示，如早期 PHP 的織夢CMS 這種，當時這種型別的 CMS 開發出來的時候用的就是 gbk 的編碼，所以，如果你用除去中文和 26 個英文字元之外的文字，他是會全部亂碼的。

這樣一來導致各國語言在網際網路上都不能通行，於是歐洲計算機委員會提出方案設計一款通用的國際編碼 utf-8

Unicode 是為了解決傳統的字元編碼方案的侷限而產生的，它為每種語言中的每個字元設定了統一併且唯一的二進位制編碼，以滿足跨語言、跨平臺進行文字轉換、處理的要求。

因為我是半路出家自學程式設計的，我沒有科班程式系統性的學習如 C 、C++ 、Java 等其他語言，我不太清楚別的語言如果出現這種情況該怎麼辦，我只知道如果 JS 這門語言編碼格式為 gbk 可以在引入的時候，在 script 標籤上寫入 utf-8 就可以了，但也不是絕對，也有極大的可能整個檔案需要 copy 出來，然後新建一個檔案重新以 utf-8 的標準寫入，比較麻煩。當然這是題外話了，迴歸正傳。

其實在 python3 裡面已經給我們內建了轉換的函式方法如：

encode() : 對內容進行指定編碼
decode() : 對內容進行解碼（ 注意：編碼是什麼格式，解碼就一定要是什麼格式，否則會報錯 ）

例如：

#! -*- coding: utf-8 -*-
str = '中文'
s = str.encode('gb2312')  #指定編碼格式為 gb2312 (轉碼)
print(type(s))

#如下方打印出來的是 bytes
>> <class 'bytes'>

print(s)
#因為編碼已經不是 utf-8 了，所以打印出來的是 16進位制的
>> b'\xd6\xd0\xce\xc4'

a = s.decode('gb2312')  #將指定的編碼轉成 Unicode 內建編碼 （解碼）
print(a)

>> 中文

如上方例子，我在 python 裡面其實可以將任意內容隨意轉換編碼，並且解碼，而且預設的編碼為 Unicode 萬國碼，所以用 python 可以隨意轉換內容，後期操作檔案，也可以隨意轉換編碼進行新的儲存，這樣就全自動化了，根本不需要人工手動的去操作，節約了很多的人工成本。

bytes

更具上面的程式碼其實，執行的第一步，可以看到打印出來的是一個叫做 bytes 的類，那麼什麼又是 bytes 呢？

byte 就是一個位元組，一個文字是由很多個位元組組成的，所以在 byte 後面加了一個 s 代表複數，所以是 bytes ，我們的資料都是以 16進位制 進行儲存的，當解析出來的時候我們所看到的資料其實已經通過 Unicode 進行轉碼了，變成我們能看懂的資料，但是如果我們用 encode 方法轉碼後他的型別其實就是 16進位制 ，16進位制 在計算機中讀取還是根據二進位制的資料來讀取的，所以在這裡 16進位制 也可以稱之為 bytes 型別。

其實我們也可以在 python 程式碼中直接定義 一個 bytes 型別如：

str = b"張三"
print(type(str))

>> <class 'bytes'>

在字串前面加上一個 b 代表的就是 bytes 型別的資料，好了關於編碼就基本結束了。