关于Python字符编码与二进制不得不说的一些事

什么是字符编码

字符编码是将字符映射到二进制数据的一种方法。计算机无法处理字符，因此通过字符编码将字符转换为计算机可以理解的二进制数据。

常见的字符编码

ASCII

ASCII码（American Standard Code for Information Interchange）是由美国国家标准组织（ANSI）制定的字符编码。ASCII码用一个字节（8bits）表示一个字符，可以表示英文字母、数字、标点符号、控制字符等128个字符。

UTF-8

UTF-8（Unicode Transformation Format，8-bit）是Unicode的一种实现方式。UTF-8可以通过使用1~4个字节来表示一个字符。它使用ASCII码表示的字符（1个字节）和使用多字节的其他字符。UTF-8是当前互联网上使用最广泛的字符编码。

GBK

GBK是一种汉字编码标准，是表现中文字符的编码方式之一。它采用双字节编码来表示中文字符，能够表示繁体中文、简体中文和日文中的汉字和假名等。GBK与GB2312标准兼容，但是GBK能够覆盖更多的字符。

Python中的字符编码

在 Python2 中，默认字符编码是 ASCII，因此如果要使用 UTF-8 编码时，需要在文件中添加 coding 声明：

# -*- coding: utf-8 -*-

在 Python3 中，默认字符编码是 UTF-8，因此不需要添加 coding 声明。

Python中常用的字符串和字节串：

• 字符串（str）：由Unicode字符组成，用于表示字符序列。
• 字节串（bytes）：由字节组成，用于表示二进制数据。

在Python3中，字符串和字节串已经分开了，使用字符串和字节串要进行转换，转换函数为 encode 和 decode。

二进制的表示方法

二进制是计算机中最基本的计数方式。二进制只有0和1两个数字，每一位数字称为一位（bit）。8位二进制被称为一个字节（byte）。

在 Python 中，可以使用前缀 0b 或者函数 bin() 将整数转化为二进制表示，也可以使用函数 bytes() 将一个字符串转换为字节串。

示例1，将10转换为二进制：

a = 10
print(bin(a))   # 0b1010

b = bytes(str(a), encoding='utf-8')
print(b)        # b'10'

示例2，将一个字符串转换为字节串：

s = "Hello, world!"
b = bytes(s, encoding='utf-8')
print(b)        # b'Hello, world!'

最后，需要注意的一点是，Python 3 中默认使用 UTF-8 编码，所以在处理非 UTF-8 编码的数据时需要注意转换。