對python3編碼那些事的小小總結

一、 了解一下編碼的發展。
1、 計算機只能處理數字，如果需要處理文本，需要先將文本轉換為數字。因為計算機是美國梆子發明的，所以他們發明了最早的編碼--ASCII編碼，也就是將他們的大小寫字符數字和一些符號編碼得到計算機中。比如A的編碼是65。
2、 隨著計算機在中國發展起來，拿ASCII去處理中文，顯然是不夠的，因為英文需要一個字節處理，而中文是需要兩個字節。為了滿足需求我們中國發明了自己的編碼GB2312。將中文編進去。
3、 我們中國如此，世界上那么多語言豈不是每種語言都需要一種編碼標準，如果一個文本中有多種語言，到時候產生的結果就是出現亂碼。
4、 為順應發展，比較叼的Unicode編碼出生了，這個東西將所有的語言都統一到一套編碼中。這樣就不會再出現亂碼的問題。雖然這個東西夠強大，但是卻有一個不能小覷的缺點。相比于ASCII編碼要多出一倍的儲存空間。例如：A ascii:65 二進制：01000001 unicode:00000000 01000001
5、 所以秉承著節約的原則，UTF-8應運而生，好處編碼可變長。例如A的UTF-8：01000001，可以將unicode編碼中的前面的零節約掉。
二、 在計算機 系統中通用編碼的工作方式
1、 當我們編輯文檔的時候，讀取文檔內容將UTF-8字符轉換為unicode字符到內存中。因為這里需要顯示，為了避免亂碼，使用通用的Unicode編碼。
2、 當編碼編輯完成后，再將Unicode的編碼轉換為UTF-8保存到文件中。因為這里是需要存入磁盤中的，為節約儲存空間，使用可變編碼長度的UTF-8編碼。
三、 python3字符編碼
python的字符串類型是str，在內存中以Unicode表示。
1、 如果需要在網絡上傳輸，或者保存到存儲設備上，就需要將str變成以字節為單位的bytes。可以使用encode()方法。通過第一大點的了解，我們知道Unicode表示的str可以通過ASCII和utf-8編碼轉換。但是轉換中文的時候，一定使用utf-8，因為含有中文的str無法用ASCII編碼，超出了ASCII編碼的范圍。例如：

2、 如果我們從網絡上或磁盤上讀取數據，就是將bytes變為str。可以使用decode()方法。

通過上述了解，可以看出，utf-8編碼，不管是讀取數據，還是傳輸數據都不會出錯，所以很多情況下utf-8使用的更為廣泛一些。

四、 解析我實際遇到的問題
使用socket模塊編寫通信的腳本，原服務端：

#!/usr/bin/python3
import socket

s=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
s.bind(('',6000))
s.listen(1)
client,addr=s.accept()
print ("Connected by",addr)
client.send("welcome")
text=client.recv(1024)
print(text)
client.close()
s.close()

原客戶端：

#!/usr/bin/python3
import socket

c=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
c.connect(("192.168.80.128",6000))
ans=c.recv(1024)
print(ans)
c.send("hello")
c.close()

執行結果

send()方法用來傳遞數據，將hello傳遞給服務端。
錯誤提示需要將str類型的字符串轉換為bytes。在我們傳遞數據的時候應該先將str轉換為bytes類型的數據方可。使用encode(‘utf-8’)或encode(‘ascii’)；同時服務端的send()方法傳遞的數據也應該轉換一下。
服務端修改代碼：

client.send("welcome".encode('utf-8'))

客戶端修改代碼：

c.send("hello".encode('utf-8'))

修改后執行結果：


執行成功。
執行過程中，str被轉換為bytes傳遞給對方。因為這里傳遞的是字母，內容上看不出是bytes，但是字符串前有個字母b，表示bytes。如果傳遞的是中文：

因為我們將str轉換為了bytes。所以當我們接受數據的時候，應當將bytes轉換為str
服務端修改代碼：
text=client.recv(1024).decode('utf-8')
客戶端修改代碼：
ans=c.recv(1024).decode('utf-8')
執行結果：

總結完畢！！！