万恶之源-再谈编码和解码

is和==的区别 1. id() 通过id()我们可以查看到⼀一个变量量表⽰示的值在内存中的地址.

s = 'alex' print(id(s))   # 4326667072 s = "alex" print(id(s))   # 4326667072
lst = [1, 2, 4] 
print(id(lst))      # 4326685768 lst1 = [1, 2, 4]
print(id(lst1))      # 4326684360 # 我们发现. 字符串串的数据地址是⼀一样的. ⽽而 列列表的数据地址是不不⼀一样的. tup = (1, 2) tup1 = (1, 2)
print(id(tup))
print(id(tup1))

a1 = str("alexalexalex"+"abcdef1111abcdefgabcdef1111abcdefgabcdef1111abcdefgabcd ef1111abcdefgabcdef1111abcdefgabcdef1111abcdefgabcdef1111abcdefgabcdef1111a bcdefgabcdef1111abcdefg") print(id(a1)) a2 = str("alexalexalex"+"abcdef1111abcdefgabcdef1111abcdefgabcdef1111abcdefgabcd ef1111abcdefgabcdef1111abcdefgabcdef1111abcdefgabcdef1111abcdefgabcdef1111a bcdefgabcdef1111abcdefg")
print(id(a2)) s1 = "@1 2 " s2 = "@1 2 "
print(id(s1)) print(id(s2))    # 结果⼀一致, 但是在终端中是不不⼀一致的. 所以在python中,命令⾏行行代码和py⽂文 件中的代码运⾏行行的效果可能是不不⼀一样的

⼩小数据池(常量量池): 把我们使⽤用过的值存储在⼩小数据池中.供其他的变量量使⽤用. ⼩小数据池给数字和字符串串使⽤用, 其他数据类型不存在. 对于数字: -5~256是会被加到⼩小数据池中的. 每次使⽤用都是同⼀一个对象. 对于字符串串:

如果是纯⽂文字信息和下划线. 那么这个对象会被添加到⼩小数据池
如果是带有特殊字符的. 那么不会被添加到⼩小数据池. 每次都是新的
如果是单⼀一字⺟母*n的情况. ‘a’*20, 在20个单位内是可以的. 超过20个单位就不会添加到⼩小数据池中

**注意(⼀一般情况下): 在py⽂文件中. 如果你只是单纯的定义⼀一个字符串串. 那么⼀一般情况下都是会被添加到⼩小数据池中的. 我们可以这样认为: 在使⽤用字符串串的时候, python会帮我们把字符串串进⾏行行缓存, 在下次使⽤用的时候直接指向这个字符串串即可.
可以节省很多内存.**

这个问题千万不要纠结. 因为官⽅方没有给出⼀一个完美的结论和定论.所以只能是⾃自⼰己摸索. 以下内容摘⾃自官⽹网中关于id()的描述

说了了这么多. 这个id()和is有什什么关系呢. 注意. is比较的就是id()计算出来的结果. 由于id是帮我们查看某数据(对象)
的内存地址. 那么is比较的就是数据(对象)的内存地址. 最终我们通过is可以查看两个变量量使⽤用的是否是同⼀一个对象.

== 双等表⽰示的是判断是否相等, 注意. 这个双等比较的是具体的值.⽽而不是内存地址

s1 = "哈哈" s2 = "哈哈" print(s1 == s2) 
True print(s1 is s2)  # True 原因是有⼩小数据池的存在 导致两个变量量指向的是同⼀一个对象 l1 = [1, 2, 3] l2 = [1, 2, 3] print(l1 == l2)  # True, 值是⼀一样的
print(l1 is l2)  # False, 值是假的

总结: is 比较的是地址 == 比较的是值⼆二. 编码的补充 1. python2中默认使⽤用的是ASCII码. 所以不⽀支持中⽂文. 如果需要在Python2中更更改编码. 需要在⽂文件的开始编写:

-- encoding:utf-8 -

python3中: 内存中使⽤用的是unicode码.

ASCII : 最早的编码. ⾥里里⾯面有英⽂文⼤大写字⺟母, ⼩小写字⺟母, 数字, ⼀一些特殊字符. 没有中⽂文, 8个01代码,
8个bit, 1个byte GBK: 中⽂文国标码, ⾥里里⾯面包含了了ASCII编码和中⽂文常⽤用编码. 16个bit, 2个byte
UNICODE: 万国码, ⾥里里⾯面包含了了全世界所有国家⽂文字的编码. 32个bit, 4个byte, 包含了了 ASCII
UTF-8: 可变⻓长度的万国码. 是unicode的⼀一种实现. 最⼩小字符占8位
1.英⽂文: 8bit 1byte
2.欧洲⽂文字:16bit 2byte
3.中⽂文:24bit 3byte
综上, 除了了ASCII码以外, 其他信息不能直接转换.

在python3的内存中. 在程序运⾏行行阶段. 使⽤用的是unicode编码. 因为unicode是万国码. 什什么内容都可以进⾏行行显⽰示. 那么在数据传输和存储的时候由于unicode比较浪费空间和资源. 需要把 unicode转存成UTF-8或者GBK进⾏行行存储. 怎么转换呢. 在python中可以把⽂文字信息进⾏行行编码. 编码之后的内容就可以进⾏行行传输了了. 编码之后的数据是bytes类型的数据.其实啊. 还是原来的数据只是经过编码之后表现形式发⽣生了了改变⽽而已.

bytes的表现形式:
1. 英⽂文 b’alex’ 英⽂文的表现形式和字符串串没什什么两样
2. 中⽂ b’\xe4\xb8\xad’ 这是⼀一个汉字的UTF-8的bytes表现形式

字符串串在传输时转化成bytes=> encode(字符集)来完成

s = "alex" print(s.encode("utf-8"))    # 将字符串串编码成UTF-8 print(s.encode("GBK"))  # 将字符串串编码成GBK 结果: b'alex' b'alex'
s = "中" print(s.encode("UTF-8"))    # 中⽂文编码成UTF-8 print(s.encode("GBK"))  # 中⽂文编码成GBK 
结果: b'\xe4\xb8\xad' b'\xd6\xd0'

**> 记住: 英⽂文编码之后的结果和源字符串串⼀一致. 中⽂文编码之后的结果根据编码的不同. 编码结果也不同. 我们能看到.

**⼀一个中⽂的UTF-8编码是3个字节. 一个GBK的中⽂文编码是2个字节. 编码之后的类型就是bytes类型.
在⽹网络传输和存储的时候我们python是保存和存储的bytes****

类型. 那么在对⽅方接收的时候. 也是接收的bytes类型的数据. 我们可以使⽤用decode()来进⾏行行解码操作. 把bytes类型的数据还原回我们熟悉的字符串串:

s = "我叫李嘉诚" print(s.encode("utf-8"))    # b'\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a' print(b'\xe6\x88\x91\xe5\x8f\xab\xe6\x9d\x8e\xe5\x98\x89\xe8\xaf\x9a'.decod e("utf-8"))  # 解码

编码和解码的时候都需要制定编码格式.

s = "我是⽂文字" bs = s.encode("GBK")    # 我们这样可以获取到GBK的⽂文字 # 把GBK转换成UTF-8 # ⾸首先要把GBK转换成unicode. 也就是需要解码 s = bs.decode("GBK")  # 解码 # 然后需要进⾏行行重新编码成UTF-8 bss = s.encode("UTF-8") # 重新编码 print(bss)

万恶之源-再谈编码和解码

-- encoding:utf-8 -

猜你喜欢