python中的进制和编码（python进制符号）

本节主要讲解以下内容：

• python代码的运行方式
• 进制
• 计算机中的单位
• 编码

1. Python代码的运行方式

• 脚本式

在终端中进入到python代码文件所在的目录：python 文件名  就可以运行代码

• 交互式

在终端中直接编写代码，并运行查看

2. 进制

计算机中底层所有数据都是一010101的形式存在（图片，文本，视频等）。

进制分为：二进制、八进制、十进制、十六进制

• 进制之间的转换

v1 = bin(25) # 十进制转换为二进制
print(v1) # "0b11001"

v2 = oct(23) # 十进制转换为八进制
print(v2) # "0o27"

v3 = hex(28) # 十进制转换为十六进制
print(v3) # "0x1c"

i1 = int("0b11001",base=2) # 25

i2 = int("0o27",base=8) # 23 

i3 = int("0x1c",base=16) # 28 

3. 计算机中的单位

• b（bit）, 位

1，1位
10，2位
111，3位
1001，4位

• B（byte）,字节

8位是一个字节。

10010110，1个字节
10010110 10010110，2个字节

• KB（Kilobyte），千字节

1024个字节就是1个千字节。

10010110 11010110  10010111 .. ，1KB
1KB = 1024B= 1024 * 8 b

• M（Megabyte）,兆

1024KB就是1M
1M= 1024KB = 1024 * 1024 B = 1024 * 1024 * 8 b

• G（Gigabyte）,千兆

1024M就是1G
1 G=  1024 M=  1024 *1024KB =  1024 * 1024 * 1024 B =  1024 * 1024 * 1024 * 8 b

• T（Terabyte）,万亿字节

1024个G就是1T

• 其他更大单位的 PB/EB/ZB/YB/BB/NB/DB不再赘述。
• 假设1个汉字需要2个字节(2B=16位来表示，如：1000101011001100)，那么1G流量可以通过网络传输多少汉字呢？（计算机传输本质上也是二进制）

1G = 1024M = 1024 * 1024KB = 1024 * 1024 * 1024 B
每个汉字需要2个字节表示
1024 * 1024 * 1024/2 = ?

• 假设1个汉字需要2个字节(2B=16位来表示，如：1000101011001100)，那么500G硬盘可以存储多少个汉字？

500G = 500 * 1024M = 500 * 1024 * 1024KB = 500 * 1024 * 1024 * 1024 B
500 * 1024 * 1024 * 1024 / 2 = ?

4. 编码

编码：文字和二进制之间的一个对照表。

4.1 ASCII编码

ascii规定使用1个字节来表示字母与二进制的对应关系。

00000000
00000001    w
00000010    B
00000011    a
...
11111111

2**8 = 256

4.2 gb-2312编码

gb-2312编码，由国家信息标准委员会制作（1980年）。

gbk编码，对gb2312进行扩展，包含了中日韩等文字（1995年）。

在与二进制做对应关系时，由如下逻辑：

• 单字节表示，用一个字节表示对应关系。2**8 = 256
• 双字节表示，用两个字节表示对应关系。2**16 = 65536中可能性。

4.3 Unicode

unicode也被称为万国码，为全球的每个文字都分配了一个码位（二进制表示）。

• ucs2

用固定的2个字节去表示一个文字。
  
  00000000 00000000     悟
  ...
  
  2**16 = 65535

• ucs4

用固定的4个字节去表示一个文字。
00000000 00000000 00000000 00000000  无
...
2**32 = 4294967296

无论是ucs2和ucs4都有缺点：浪费空间？

文字     十六进制     二进制
A        0041      01000001
A        0041      00000000 01000001
A        0041      00000000 00000000 00000000 01000001

unicode的应用：在文件存储和网络传输时，不会直接使用unicode，而在内存中会unicode。

4.4 utf-8编码

包含所有文字和二进制的对应关系，全球应用最为广泛的一种编码，本质上：utf-8是对unicode的压缩，用尽量少的二进制去与文字进行对应。

  unicode码位范围            utf-8      
   0000 ~ 007F              用1个字节表示
   0080 ~ 07FF              用2个字节表示
   0800 ~ FFFF              用3个字节表示
  10000 ~ 10FFFF            用4个字节表

4.5 python相关的编码

字符串（str）     "alex媳妇叫铁锤"             unicode处理               一般在内存
字节（byte）      b"alexfdsfdsdfskdfsd"      utf-8编码 or gbk编码       一般用于文件或网络处理 

v1 = "武"

v2 = "武".encode("utf-8")
v2 = "武".encode("gbk")

将一个字符串写入到一个文件中

name = "嫂子热的满身大汗"
data = name.encode("utf-8")

# 打开一个文件
file_object = open("log.txt",mode="wb")
# 在文件中写内容
file_object.write(data)
# 关闭文件
file_object.close()

本节总结：本节的知识点主要以理解为主。

0. 计算机上所有的东西最终都会转换成为二进制再去运行。
1. ascii编码、unicode字符集、utf-8编码本质上都是字符与二进制的关系。
2. ascii，字符和二进制的对照表。
3. unicode，字符和二进制（码位）的对照表。
4. utf-8，对unicode字符集的码位进行压缩处理，间接也维护了字符和二进制的对照表。
5. ucs2和ucs4指的是使用多少个字节来表示unicode字符集的码位。
6. 目前最广泛的编码为：utf-8，他可以表示所有的字符且存储或网络传输也不会浪费资源（对码位进行压缩了）。
7. 二进制、八进制、十进制、十六进制其实就是进位的时机不同。
8. 基于Python实现二进制、八进制、十进制、十六进制之间的转换。
9. 一个字节8位
10. 计算机中常见单位b/B/KB/M/G的关系。
11. 汉字，用gbk编码需要用2个字节；用utf-8编码需要用3个字节。
12. 基于Python实现将字符串转换为字节（utf-8编码）

# 字符串类型
name = "佩奇"

print(name) # 佩奇
# 字符串转换为字节类型
data = name.encode("utf-8")
print(data) # b'\xe4\xbd\xa9\xe5\xa5\x87'

# 把字节转换为字符串
old = data.decode("utf-8")
print(old)

13.基于Python实现将字符串转换为字节（gbk编码）

# 字符串类型
name = "佩奇"
print(name) # 佩奇
# 字符串转换为字节类型
data = name.encode("gbk")
# print(data) # b'\xe4\xbd\xa9\xe5\xa5\x87'  utf-8,中文3个字节
print(data) # b'\xc5\xe5\xc6\xe6'            gbk，中文2个字节

# 把字节转换为字符串
old = data.decode("gbk")
print(old)