计算机中常见乱码原因及分析

ゝ一纸荒年。 2024-04-19 08:15 0阅读 0赞

### 弄懂计算机中的进制和编码转换及乱码 ###

*  第四节：计算机中的进制和编码
 *   *  4.1 二进制
     *  4.2 计算机中的单位
     *  4.3 32位和64位系统的区别
     *  4.4 字符编码基础知识
     *  4.5 字符编码介绍
     *   *  4.5.1 什么是字符编码
         *  4.5.2 涉及到字符编码的问题
         *  4.5.3 字符编码的发展史与分类(了解)
         *  4.5.3 总结字符编码的发展可分为三个阶段(重要)
     *  4.6 字符编码应用之文件编辑器乱码分析
     *   *  4.6.1 文本编辑器之nodpad++
         *  4.6.2 文本编辑器之pycharm
         *  4.6.3文本编辑器之python解释器
         *  4.6.4 总结（保证不乱码法则）
     *  4.7 字符编码应用之python
     *   *  4.7.1 执行python程序的三个阶段
         *  4.7.2 python2与python3字符串类型的区别
     *  4.8 附录及参考资料

# 第四节：计算机中的进制和编码 #

## 4.1 二进制 ##

古时候，人们是如何来传递消息的？

当年周幽王为博褒妃一笑，不顾众臣反对，竟数次无故点燃边关告急用的烽火台，使各路诸侯，长途跋涉，匆忙赶去救驾。结果，被戏而回。周幽王从此便失信于诸侯，最后，当边关真的告急之时，他点燃烽火却再也没人赶来救他了！不久，便死于刀下，亡了西周。西周第九代国君是周厉王，贪财好色，昏庸残暴，激起了公元前841年的“国人(平民)暴动”。周朝从此衰落下去，社会动荡不安。

扯远了，我们说有城池A和城池B，城池B为前线，当城池B受到攻击的时候，需要城池A派来援兵。这个时候城池B点着了防火台，如果只有一个烽火台，那么只有点着火和没点火两种状态。无法准确表示攻击城池B的军队数量，这个时候，有人想到了一种表示方法。

我每一座烽火台都可以表示两种状态，点火和未点火，分别用0和1来表示。  
![在这里插入图片描述][20190915193446337.png]  
那两座烽火台呢？  
![在这里插入图片描述][2019091519371348.png]  
没有烽火台被点着火的时候，表示没有敌人，只点着第一座烽火台的时候，表示来了一个敌人，只点着第二座烽火台的时候，表示来了2个敌人。

当两座烽火台都被点着的时候，就表示来了3个人。表示数字 0-3。

如果有三座烽火台呢？

![在这里插入图片描述][20190915193753586.png]  
如果有四座烽火台呢  
![在这里插入图片描述][20190915193833411.png]  
以此类推：

当有8座烽火台的时候，最大可以表示多少？  
![在这里插入图片描述][20190915193928953.png]  
如果敌人来了130个人，如何表示呢？

150人又如何表示？

咱们平时用的进制是10进制。在计算机中，还有另外两种进制八进制和十六进制  
十进制： 逢十进一

表示数字： 0123456789

二进制：逢二进一

表示数字： 0 1

八进制： 逢八进一

01234567

作用： 在某些编程语言里提供了使用八进制符号来表示数字的能力，而且还是有一些比较古老的Unix应用在使用八进制。

和二进制之间的转换：

2–>8 : 取三合一 8–>2 ： 取一分三

十六进制： 逢十六进一

表示数字： 01234567ABCDEF

二进制使用起来很不方便， 16进制或8进制可以解决这个问题。因为，进制越大，数的表达长度也就越短。不过，为什么偏偏是16或8进制，而不其它的?2、8、16，分别是2的1次方、3次方、4次方。这一点使得三种进制之间可以非常直接地互相转换。8进制或16进制缩短了二进制数，但保持了二进制数的表达特点。

> 你可以找到更多关于二进制的信息[here][].

## 4.2 计算机中的单位 ##

位 bit (比特)(Binary Digits)：存放一位二进制数，即 0 或 1，最小的存储单位。  
字节 byte：8个二进制位为一个字节(B)，最常用的单位。  
1B（bytes） = 8bit  
1KB (Kilobyte 千字节)=1024B，  
1MB (Megabyte 兆字节 简称“兆”)=1024KB，  
1GB (Gigabyte 吉字节 又称“千兆”)=1024MB，  
1TB(Trillionbyte 万亿字节 太字节)=1024GB，  
1PB（Petabyte 千万亿字节 拍字节）=1024TB，  
1EB（Exabyte 百亿亿字节 艾字节）=1024PB，  
1ZB (Zettabyte 十万亿亿字节 泽字节)= 1024 EB,  
1YB (Yottabyte 一亿亿亿字节 尧字节)= 1024 ZB,  
1BB (Brontobyte 一千亿亿亿字节)= 1024 YB

硬盘空间少比买的时候要少？

是因为 换算时他们将 1024 按照 1000来算  
256G的硬盘： 256G= ？ Bytes：按1000来算

256G 硬盘  
1K = 1000B  
1M = 1000K  
1G = 1000M = 1000*1000*1000B =1000000000B  
256G = 256000000000B

256000000000/1024/1024/1024 B = 238.4185791015625 G  
500GB*1000*1000\*1000/1024/1024/1024=465.66

百兆宽带，下载速度只能达到十多兆。

宽带运营商按照二进制来计算，所以要100M的宽带要除8才是下载的速度。

## 4.3 32位和64位系统的区别 ##

1.对操作系统来说，64位和32位指最大内存寻址空间，32位最大4GB（232），64位理论上16EB(264)，但现在一般都是2^48

2、对硬件来说，64位和32位指数据宽度，64位一次取8字节y也就是64bit，32取4字节也就是32bit，所以理论上64位比32位性能提高了一倍。

实际上的情况是，达不到，内存变大了，需要寻址更多。

3、对应用程序来说，应用程序基于操作系统 和硬件，其使用的指令宽度随系统和硬件变化。

32位和64位区别的最常见表现就是64万位操作系统可以支持4G以上的内存。缺点也是内存占用，64位代码比32位代码多占用空间，

现在来看64位操作系统兼容32位软件。反之则不行。

32位和64位最本质的区别是CPU来决定的，操作系统的位数是是看最大能把CPU的性能发挥到多高。我们现在在市面上见到的CPU都是64位的，32位的CPU已经是老古董了。

## 4.4 字符编码基础知识 ##

![在这里插入图片描述][20190915194905448.png]  
**文本编辑器存取文件的原理（nodepad++，pycharm，word）**

#1、打开编辑器就打开了启动了一个进程，是在内存中的，所以，用编辑器编写的内容也都是存放与内存中的，断电后数据丢失
    
    #2、要想永久保存，需要点击保存按钮：编辑器把内存的数据刷到了硬盘上。
    
    #3、在我们编写一个py文件（没有执行），跟编写其他文件没有任何区别，都只是在编写一堆字符而已。

**python解释器执行py文件的原理 ，例如python test.py**

#第一阶段：python解释器启动，此时就相当于启动了一个文本编辑器
    
    #第二阶段：python解释器相当于文本编辑器，去打开test.py文件，从硬盘上将test.py的文件内容读入到内存中(小复习：pyhon的解释性，决定了解释器只关心文件内容，不关心文件后缀名)
    
    #第三阶段：python解释器解释执行刚刚加载到内存中test.py的代码( ps：在该阶段，即真正执行代码时，才会识别python的语法，执行文件内代码，当执行到name="egon"时,会开辟内存空间存放字符串"egon")

**总结python解释器与文件本编辑的异同**

#1、相同点：python解释器是解释执行文件内容的，因而python解释器具备读py文件的功能，这一点与文本编辑器一样
    
    #2、不同点：文本编辑器将文件内容读入内存后，是为了显示或者编辑，根本不去理会python的语法，而python解释器将文件内容读入内存后，可不是为了给你瞅一眼python代码写的啥，而是为了执行python代码、会识别python语法。

## 4.5 字符编码介绍 ##

### 4.5.1 什么是字符编码 ###

计算机要想工作必须通电,即用‘电’驱使计算机干活,也就是说‘电’的特性决定了计算机的特性。电的特性即高低电平(人类从逻辑上将二进制数1对应高电平,二进制数0对应低电平)，关于磁盘的磁特性也是同样的道理。结论：计算机只认识数字
    
    　　很明显，我们平时在使用计算机时，用的都是人类能读懂的字符（用高级语言编程的结果也无非是在文件内写了一堆字符），如何能让计算机读懂人类的字符？
    
    　　必须经过一个过程：
    　　#字符--------（翻译过程）------->数字 
    
    　　#这个过程实际就是一个字符如何对应一个特定数字的标准，这个标准称之为字符编码

### 4.5.2 涉及到字符编码的问题 ###

#1、一个python文件中的内容是由一堆字符组成的，存取均涉及到字符编码问题（python文件并未执行，前两个阶段均属于该范畴）
    
    #2、python中的数据类型字符串是由一串字符组成的（python文件执行时，即第三个阶段）

### 4.5.3 字符编码的发展史与分类(了解) ###

> 计算机由美国人发明，最早的字符编码为ASCII，只规定了英文字母数字和一些特殊字符与数字的对应关系。最多只能用 8 位来表示（一个字节），即：2\*\*8 = 256，所以，ASCII码最多只能表示 256 个符号

![在这里插入图片描述][20190915200244937.png]  
当然我们编程语言都用英文没问题，ASCII够用，但是在处理数据时，不同的国家有不同的语言，日本人会在自己的程序中加入日文，中国人会加入中文。

而要表示中文，单拿一个字节表表示一个汉子，是不可能表达完的(连小学生都认识两千多个汉字)，解决方法只有一个，就是一个字节用>8位2进制代表，位数越多，代表的变化就多，这样，就可以尽可能多的表达出不通的汉字

所以中国人规定了自己的标准gb2312编码，规定了包含中文在内的字符－>数字的对应关系。

日本人规定了自己的Shift\_JIS编码

韩国人规定了自己的Euc-kr编码（另外，韩国人说，计算机是他们发明的，要求世界统一用韩国编码，但世界人民没有搭理他们）

这时候问题出现了，精通18国语言的小周同学谦虚的用8国语言写了一篇文档，那么这篇文档，按照哪国的标准，都会出现乱码（因为此刻的各种标准都只是规定了自己国家的文字在内的字符跟数字的对应关系，如果单纯采用一种国家的编码格式，那么其余国家语言的文字在解析时就会出现乱码）

所以迫切需要一个世界的标准（能包含全世界的语言）于是unicode应运而生（韩国人表示不服，然后没有什么卵用）

ascii用1个字节（8位二进制）代表一个字符

unicode常用2个字节（16位二进制）代表一个字符，生僻字需要用4个字节

例：

字母x，用ascii表示是十进制的120，二进制0111 1000

汉字中已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

字母x，用unicode表示二进制0000 0000 0111 1000，所以unicode兼容ascii，也兼容万国，是世界的标准

这时候乱码问题消失了，所有的文档我们都使用但是新问题出现了，如果我们的文档通篇都是英文，你用unicode会比ascii耗费多一倍的空间，在存储和传输上十分的低效

本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：  
![在这里插入图片描述][20190915200644447.png]  
![在这里插入图片描述][20190915200535832.png]

从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

### 4.5.3 总结字符编码的发展可分为三个阶段(重要) ###

> ！！！重点！！！  
> \#阶段一：现代计算机起源于美国，最早诞生也是基于英文考虑的ASCII  
> ASCII:一个Bytes代表一个字符（英文字符/键盘上的所有其他字符），1Bytes=8bit，8bit可以表示0-2\*\*8-1种变化，即可以表示256个字符  
> ASCII最初只用了后七位，127个数字，已经完全能够代表键盘上所有的字符了（英文字符/键盘的所有其他字符），后来为了将拉丁文也编码进了ASCII表，将最高位也占用了

> \#阶段二:为了满足中文和英文，中国人定制了GBK  
> GBK:2Bytes代表一个中文字符，1Bytes表示一个英文字符  
> 为了满足其他国家，各个国家纷纷定制了自己的编码  
> 日本把日文编到Shift\_JIS里，韩国把韩文编到Euc-kr里

> \#阶段三：各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。如何解决这个问题呢？？？  
> \#！！！！！！！！！！！！非常重要！！！！！！！！！！！！  
> 说白了乱码问题的本质就是不统一，如果我们能统一全世界，规定全世界只能使用一种文字符号，然后统一使用一种编码，那么乱码问题将不复存在，  
> ps：就像当年秦始皇统一中国一样，书同文车同轨，所有的麻烦事全部解决  
> 很明显，上述的假设是不可能成立的。很多地方或老的系统、应用软件仍会采用各种各样的编码，这是历史遗留问题。于是我们必须找出一种解决方案或者说编码方案，需要同时满足：  
> \#1、能够兼容万国字符  
> \#2、与全世界所有的字符编码都有映射关系，这样就可以转换成任意国家的字符编码  
> 这就是unicode（定长），　统一用2Bytes代表一个字符，　虽然2\*\*16-1=65535，但unicode却可以存放100w+个字符，因为unicode存放了与其他编码的映射关系，准确地说unicode并不是一种严格意义上的字符编码表，下载pdf来查看unicode的详情：  
> 链接：https://pan.baidu.com/s/1dEV3RYphttps://pan.baidu.com/s/1dEV3RYphttps://pan.baidu.com/s/1dEV3RYp  
> 很明显对于通篇都是英文的文本来说，unicode的式无疑是多了一倍的存储空间（二进制最终都是以电或者磁的方式存储到存储介质中的）  
> 于是产生了UTF-8（可变长，全称Unicode Transformation Format），对英文字符只用1Bytes表示，对中文字符用3Bytes，对其他生僻字用更多的Bytes去存  
> \#总结：内存中统一采用unicode，浪费空间来换取可以转换成任意编码（不乱码），硬盘可以采用各种编码，如utf-8，保证存放于硬盘或者基于网络传输的数据量很小，提高传输效率与稳定性。

![在这里插入图片描述][20190915201000268.png]  
基于目前的现状，内存中的编码固定就是unicode，我们唯一可变的就是硬盘的上对应的字符编码。  
此时你可能会觉得，那如果我们以后开发软时统一都用unicode编码，那么不就都统一了吗，关于统一这一点你的思路是没错的，但我们不可会使用unicode编码来编写程序的文件，因为在通篇都是英文的情况下，耗费的空间几乎会多出一倍，这样在软件读入内存或写入磁盘时，都会徒增IO次数，从而降低程序的执行效率。因而我们以后在编写程序的文件时应该统一使用一个更为精准的字符编码utf-8（用1Bytes存英文，3Bytes存中文），再次强调，内存中的编码固定使用unicode。  
1、在存入磁盘时，需要将unicode转成一种更为精准的格式，utf-8:全称Unicode Transformation Format，将数据量控制到最精简

2、在读入内存时，需要将utf-8转成unicode  
所以我们需要明确：内存中用unicode是为了兼容万国软件，即便是硬盘中有各国编码编写的软件，unicode也有相对应的映射关系，但在现在的开发中，程序员普遍使用utf-8编码了，估计在将来的某一天等所有老的软件都淘汰掉了情况下，就可以变成：内存utf-8<->硬盘utf-8的形式了。

## 4.6 字符编码应用之文件编辑器乱码分析 ##

### 4.6.1 文本编辑器之nodpad++ ###

![在这里插入图片描述][20190915201249662.png]  
![在这里插入图片描述][20190915201259719.png]  
![在这里插入图片描述][2019091520130998.png]  
![在这里插入图片描述][20190915201317881.png]

！！！乱码分析！！！
    首先明确概念
    #1、文件从内存刷到硬盘的操作简称存文件
    #2、文件从硬盘读到内存的操作简称读文件
    
    乱码的两种情况：
    #乱码一：存文件时就已经乱码
    存文件时，由于文件内有各个国家的文字，我们单以shiftjis去存，
    本质上其他国家的文字由于在shiftjis中没有找到对应关系而导致存储失败
    但当我们硬要存的时候，编辑并不会报错（难道你的编码错误，编辑器这个软件就跟着崩溃了吗？？？），但毫无疑问，不能存而硬存，肯定是乱存了，即存文件阶段就已经发生乱码
    而当我们用shiftjis打开文件时，日文可以正常显示，而中文则乱码了
    
    #用open模拟编辑器的过程
    可以用open函数的write可以测试，f=open('a.txt','w',encodig='shift_jis'
    f.write('你瞅啥\n何を見て\n') #'你瞅啥'因为在shiftjis中没有找到对应关系而无法保存成功，只存'何を見て\n'可以成功
    
    #以任何编码打开文件a.txt都会出现其余两个无法正常显示的问题
    f=open('a.txt','wb')
    f.write('何を見て\n'.encode('shift_jis'))
    f.write('你愁啥\n'.encode('gbk'))
    f.write('你愁啥\n'.encode('utf-8'))
    f.close()
    
    #乱码二：存文件时不乱码而读文件时乱码
    存文件时用utf-8编码，保证兼容万国，不会乱码，而读文件时选择了错误的解码方式，比如gbk，则在读阶段发生乱码，读阶段发生乱码是可以解决的，选对正确的解码方式就ok了，

### 4.6.2 文本编辑器之pycharm ###

![在这里插入图片描述][20190915201645175.png]  
以utf-8格式打开（选择reload）

#reload与convert的区别：
    
    pycharm非常强大，提供了自动帮我们convert转换的功能，即将字符按照正确的格式转换
    
    要自己探究字符编码的本质，还是不要用这个
    
    我们选择reload，即按照某种编码重新加载文件
    
    pycharm中：reload与convert的区别

![在这里插入图片描述][20190915201748176.png]

### 4.6.3文本编辑器之python解释器 ###

文件test.py以gbk格式保存，内容为：
    
    　　x='林'
    
    无论是
    
    　　python2 test.py
    
    还是
    
    　　python3 test.py
    
    都会报错（因为python2默认ascii，python3默认utf-8）
    
    除非在文件开头指定#coding:gbk

### 4.6.4 总结（保证不乱码法则） ###

**！！！总结非常重要的两点！！！**

> \#1、保证不乱吗的核心法则就是，字符按照什么标准而编码的，就要按照什么标准解码，此处的标准指的就是字符编码

> \#2、在内存中写的所有字符，一视同仁，都是unicode编码，比如我们打开编辑器，输入一个“你”，我们并不能说“你”就是一个汉字，此时它仅仅只是一个符号，该符号可能很多国家都在使用，根据我们使用的输入法不同这个字的样式可能也不太一样。只有在我们往硬盘保存或者基于网络传输时，才能确定”你“到底是一个汉字，还是一个日本字，这就是unicode转换成其他编码格式的过程了

unicode----->encode-------->utf-8

utf-8-------->decode---------->unicode

![在这里插入图片描述][20190915202228122.png]

#补充：
    
    浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器
    
    如果服务端encode的编码格式是utf-8， 客户端内存中收到的也是utf-8编码的结果。

## 4.7 字符编码应用之python ##

### 4.7.1 执行python程序的三个阶段 ###

python test.py （**我再强调一遍，执行test.py的第一步，一定是先将文件内容读入到内存中**）

test.py文件内容以gbk格式保存的，内容为：  
![在这里插入图片描述][20190915202606386.png]  
**阶段一：启动python解释器**

**阶段二：python解释器此时就是一个文本编辑器，负责打开文件test.py,即从硬盘中读取test.py的内容到内存中**

此时，python解释器会读取test.py的第一行内容，#coding:utf-8，来决定以什么编码格式来读入内存，这一行就是来设定python解释器这个软件的编码使用的编码格式这个编码，
    
    可以用sys.getdefaultencoding()查看，如果不在python文件指定头信息＃-*-coding:utf-8-*-,那就使用默认的
    
    python2中默认使用ascii，python3中默认使用utf-8

![在这里插入图片描述][20190915202715281.png]  
改正：在test.py指定文件头，字符编码一定要为gbk，

#coding:gbk
    你好啊

![在这里插入图片描述][20190915202818617.png]  
**阶段三：读取已经加载到内存的代码（unicode编码格式），然后执行，执行过程中可能会开辟新的内存空间，比如x="egon"**

内存的编码使用unicode，不代表内存中全都是unicode，
    
    在程序执行之前，内存中确实都是unicode,比如从文件中读取了一行x="egon",其中的x，等号，引号，地位都一样，都是普通字符而已，都是以unicode的格式存放于内存中的
    
    但是程序在执行过程中，会申请内存（与程序代码所存在的内存是俩个空间）用来存放python的数据类型的值，而python的字符串类型又涉及到了字符的概念
    
    比如x="egon",会被python解释器识别为字符串，会申请内存空间来存放字符串类型的值，至于该字符串类型的值被识别成何种编码存放，这就与python解释器的有关了，而python2与python3的字符串类型又有所不同。

### 4.7.2 python2与python3字符串类型的区别 ###

**一 .在python2中有两种字符串类型str和unicode**

**str类型**

当python解释器执行到产生字符串的代码时（例如x=‘上’），会申请新的内存地址，然后将’上’编码成文件开头指定的编码格式

要想看x在内存中的真实格式，可以将其放入列表中再打印，而不要直接打印，因为直接print()会自动转换编码，这一点我们稍后再说。

#coding:gbk
    x='上'
    y='下'
    print([x,y]) #['\xc9\xcf', '\xcf\xc2']
    #\x代表16进制，此处是c9cf总共4位16进制数，一个16进制四4个比特位，4个16进制数则是16个比特位，即2个Bytes，这就证明了按照gbk编码中文用2Bytes
    print(type(x),type(y)) #(<type 'str'>, <type 'str'>)

**理解字符编码的关键！！！**

内存中的数据通常用16进制表示，2位16进制数据代表一个字节，如\\xc9，代表两位16进制，一个字节

**gbk存中文需要2个bytes，而存英文则需要1个bytes，它是如何做到的？？？！！！**

gbk会在每个bytes，即8位bit的第一个位作为标志位，标志位为1则表示是中文字符，如果标志位为0则表示为英文字符

x=‘你a好’
    转成gbk格式二进制位
    8bit+8bit+8bit+8bit+8bit=(1+7bit)+(1+7bit)+(0+7bit)+(1+7bit)+(1+7bit)

这样计算机按照从左往右的顺序读：

#连续读到前两个括号内的首位标志位均为1，则构成一个中午字符：你
    
    #读到第三个括号的首位标志为0，则该8bit代表一个英文字符：a
    
    #连续读到后两个括号内的首位标志位均为1，则构成一个中午字符：好

也就是说，每个Bytes留给我们用来存真正值的有效位数只有7位，而在unicode表中存放的只是这有效的7位，至于首位的标志位与具体的编码有关，即在unicode中表示gbk的方式为：

(7bit)+(7bit)+(7bit)+(7bit)+(7bit)

![在这里插入图片描述][20190915204008376.png]  
按照上图翻译的结果，我们可以去unicode关于汉字的对应关系中去查：YPSuperKey Checked [链接][Link 1]

![在这里插入图片描述][20190915204032380.png]  
可以看到“”上“”对应的gbk（G0代表的是gbk）编码就为494F，即我们得出的结果，而上对应的unicode编码为4E0A，我们可以将gbk–>decode–>unicode

#coding:gbk
    x='上'.decode('gbk')
    y='下'.decode('gbk')
    print([x,y]) #[u'\u4e0a', u'\u4e0b']

**unicode类型**

当python解释器执行到产生字符串的代码时（例如s=u’林’），会申请新的内存地址，然后将’林’以unicode的格式存放到新的内存空间中，所以s只能encode，不能decode

#coding:gbk
    x=u'上' #等同于 x='上'.decode('gbk')
    y=u'下' #等同于 y='下'.decode('gbk')
    print([x,y]) #[u'\u4e0a', u'\u4e0b']
    print(type(x),type(y)) #(<type 'unicode'>, <type 'unicode'>)

**打印到终端**

对于print需要特别说明的是：

当程序执行时，比如

x=‘上’ \#gbk下，字符串存放为\\xc9\\xcf

print(x) \#这一步是将x指向的那块新的内存空间（非代码所在的内存空间）中的内存，打印到终端，按理说应该是存的什么就打印什么,但打印\\xc9\\xcf，对一些不熟知python编码的程序员，立马就懵逼了，所以龟叔自作主张，在print(x)时，使用终端的编码格式，将内存中的\\xc9\\xcf转成字符显示，此时就需要终端编码必须为gbk，否则无法正常显示原内容：上  
![在这里插入图片描述][20190915204344186.png]  
对于unicode格式的数据来说，无论怎么打印，都不会乱码  
![在这里插入图片描述][2019091520440477.png]  
![在这里插入图片描述][20190915204414583.png]  
unicode这么好，不会乱码，那python2为何还那么别扭，搞一个str出来呢？python诞生之时，unicode并未像今天这样普及，很明显，好的东西你能看得见，龟叔早就看见了，龟叔在python3中将str直接存成unicode，我们定义一个str，无需加u前缀，就是一个unicode，屌不屌？  
二 .在python3 中也有两种字符串类型str和bytes

str是unicode

#coding:gbk
    x='上' #当程序执行时，无需加u，'上'也会被以unicode形式保存新的内存空间中,
    
    print(type(x)) #<class 'str'>
    
    #x可以直接encode成任意编码格式
    print(x.encode('gbk')) #b'\xc9\xcf'
    print(type(x.encode('gbk'))) #<class 'bytes'>

很重要的一点是：看到python3中x.encode(‘gbk’) 的结果\\xc9\\xcf正是python2中的str类型的值,而在python3是bytes类型，在python2中则是str类型

于是我有一个大胆的推测：python2中的str类型就是python3的bytes类型，于是我查看python2的str()源码，发现  
![在这里插入图片描述][20190915205048309.png]

## 4.8 附录及参考资料 ##

3.5.1 [百度百科：编码][Link 2]  
3.5.2 [互动百科：字符编码][Link 3]  
3.5.3 [The Crash Course][]  
3.5.4 [林海峰：编码][Link 4]  
3.5.5 [R\_e ：二进制及编码][R_e]  
3.5.6 [jerson226 ：电脑史话][jerson226]

[20190915193446337.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/5cb45018523a4595badc7b2f823e66f7.png
[2019091519371348.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/7a5f4b68fe8a4af0a903e23a846f0875.png
[20190915193753586.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/2b98dc85d3094f9ba44d556009425f0d.png
[20190915193833411.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/3db29ab9cfc24d68927e768f848da3eb.png
[20190915193928953.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/f72baf8b5e254b87905f8a9e8eabd40a.png
[here]: https://baike.baidu.com/item/%E4%BA%8C%E8%BF%9B%E5%88%B6/361457?fr=aladdin
[20190915194905448.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/ed12103ce7994633b5845018f0dcd36c.png
[20190915200244937.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/b0acf8aeb12446509ccefccd80318802.png
[20190915200644447.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/da1686cf98d54fb095940a1973decaf3.png
[20190915200535832.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/11714564118e47e7afd583c1ce311497.png
[20190915201000268.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/1173c13c721344f2a2d5f3cff67f4d31.png
[20190915201249662.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/17079d71ea56495a98e65d3cb02dad4e.png
[20190915201259719.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/000def855b754fe3bb3a3b60a091497b.png
[2019091520130998.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/7b9824da56244aafa6caede9ae7fdd19.png
[20190915201317881.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/9bbdfd167af740859390ab8d9eb06815.png
[20190915201645175.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/22e00c09ee4f4b038d448c8300a983c5.png
[20190915201748176.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/84374522f5544c21bb89d658c7ea9a7f.png
[20190915202228122.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/8f1d512450114f2f82f8f4761b1951d3.png
[20190915202606386.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/1b392c6ad77e4eb68ff55c3c1f2ab7bc.png
[20190915202715281.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/cdfaf24121b24fe48229e070bf08a746.png
[20190915202818617.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/89768628af424bea8f4ce2ca23adfa2d.png
[20190915204008376.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/1bbd26927b2844169fbbdcccd39a947e.png
[Link 1]: https://pan.baidu.com/s/1dEV3RYp
[20190915204032380.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/5535a93fd7b24e43bb2fd5e5ad616af1.png
[20190915204344186.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/bc40deb8e7104ebda9e4b55e950b7cc5.png
[2019091520440477.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/e0e22cc40fb94d6d9f2d64f599ab2d22.png
[20190915204414583.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/266330152cfe4f8d9a72230cc21e5130.png
[20190915205048309.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/59608b6dff1a43c3bdb2a8a0b7a511e4.png
[Link 2]: https://baike.baidu.com/item/%E7%BC%96%E7%A0%81/80092
[Link 3]: http://www.baike.com/wiki/%E5%AD%97%E7%AC%A6%E7%BC%96%E7%A0%81
[The Crash Course]: https://www.thecrashcourse.com/courses/computerscience
[Link 4]: https://www.cnblogs.com/linhaifeng/articles/5950339.html
[R_e]: https://www.cnblogs.com/resn/p/5775378.html
[jerson226]: https://www.cnblogs.com/honeysky/p/4862519.html