编码方式的历史大致为ASCII ->gb2312->unicode->utf-8,期间具体详细信息感兴趣的可以去做一些查询,正因为存在这样的过渡,因此对同一模块的不同使用,需要我们去进行有选择性的挑选使用,因此,这就衍生出了我们今天的主题,怎么去对比使用这些存在的编码方式。
来个编码解码的小例子先,记住中文可以进行GBK和utf-8编码,在GBk一个中文字符对应两个字节,在utf-8一个中文字符对应三个字节,中文不能进行ASCII编码。
>>> '爬森'.encode('GBK') b'\xc1\xf5\xc8\xf3\xc9\xad' >>> '爬森'.encode('ascii') Traceback (most recent call last): File "<stdin>", line 1, in <module> UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-2: ordinal not in range(128) >>> 'Runsen'.encode('ascii') b'Runsen' >>> "爬森".encode('utf-8') b'\xe5\x88\x98\xe6\xb6\xa6\xe6\xa3\xae' >>> '爬森'.encode('GBK').decode('GBK') '爬森' >>> '爬森'.encode('GBK').decode('utf-8') UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc1 in position 0: invalid start byte
如果编码解码格式不一致可能会出现乱码,encode表示编码,decode表示解码,这样大家可以对选择上有明确想法了吧,如果还想知道更多相关内容。
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试