1.內存和硬盤都是用來存儲的。

內存：速度快

硬盤：永久保存

2.文本編輯器存取文件的原理（nodepad++,pycharm,word）

　　　打開編輯器就可以啟動一個進程，是在內存中的，所以在編輯器編寫的內容也都是存放在內存中的，斷電后數據就丟失了。因而需要保存在硬盤上，點擊保存按鈕或快捷鍵，就把內存中的數據保存到了硬盤上。在這一點上，我們編寫的py文件（沒有執行時），跟編寫的其他文件沒有什么區別，都只是編寫一堆字符而已。

3.python解釋器執行py文件的原理，例如python test.py

　　第一階段：python解釋器啟動，此時就相當于啟動了一個文本編輯器

　　第二階段：python解釋器相當于文本編輯器，去打開test.py，從硬盤上將test.py的文件內容讀入到內存中

　　第三階段：python解釋器執行剛剛加載到內存中的test.py的代碼（在該階段，即執行時，才會識別python的語法，執行到字符串時，會開辟內存空間存放字符串）

總結：python解釋器與文本編輯器的異同

相同點：python解釋器是解釋執行文件內容的，因而python解釋器具備讀py文件的功能，這一點與文本編輯器一樣

不同點：文本編輯器將文件內容讀入內存后，是為了顯示/編輯，而python解釋器將文件內容讀入內存后，是為了執行（識別python的語法）

4.什么是編碼？

　　計算機想要工作必須通電，高低電平（高電平即二進制數1，低電平即二進制數0），也就是說計算機只認識數字。那么讓計算機如何讀懂人類的字符呢?

　　這就必須經過一個過程：

　　　　字符---------（翻譯過程）-------------數字

　　這個過程實際就是一個字符如何對應一個特定數字的標準，這個標準稱之為字符編碼。

5.以下兩個場景涉及到字符編碼的問題：

　　1.一個python文件中的內容是由一堆字符組成的（python文件未執行時）

　　2.python中的數據類型字符串是由一串字符組成的（python文件執行時）

6.字符編碼的發展史

階段一：現代計算機起源于美國，最早誕生也是基于英文考慮的ASCII

　　 ASCII:一個Bytes代表一個字符（英文字符/鍵盤上的所有其他字符），1Bytes=8bit，8bit可以表示0-2**8-1種變化，即可以表示256個字符

　　　　ASCII最初只用了后七位，127個數字，已經完全能夠代表鍵盤上所有的字符了（英文字符/鍵盤的所有其他字符）

　　　　后來為了將拉丁文也編碼進了ASCII表，將最高位也占用了

階段二:為了滿足中文，中國人定制了GBK

　　GBK:2Bytes代表一個字符，為了滿足其他國家，各個國家紛紛定制了自己的編碼，日本把日文編到 Shift_JIS 里，韓國把韓文編到 Euc-kr 里

階段三：各國有各國的標準，就會不可避免地出現沖突，結果就是，在多語言混合的文本中，顯示出來會有亂碼。

于是產生了unicode，統一用 2Bytes 代表一個字符，2**16-1=65535，可代表6萬多個字符，因而兼容萬國語言

但對于通篇都是英文的文本來說，這種編碼方式無疑是多了一倍的存儲空間（二進制最終都是以電或者磁的方式存儲到存儲介質中的）

于是產生了UTF-8，對英文字符只用1Bytes表示，對中文字符用3Bytes

需要強調的是：

unicode： 簡單粗暴，多有的字符都是2Bytes,優點是字符--數字的轉換速度快；缺點是占用空間大。

utf-8: 精準，可變長，優點是節省空間；缺點是轉換速度慢，因為每次轉換都需要計算出需要多長Bytes才能夠準確表示。

1.內存中使用的編碼是unicode，用空間換時間（程序都需要加載到內存才能運行，因而內存應該是越快越好）

2.硬盤中或網絡傳輸用utf-8，保證數據傳輸的穩定性。

          
            1 所有程序，最終都要加載到內存，程序保存到硬盤不同的國家用不同的編碼格式，但是到內存中我們為了兼容萬國（計算機可以運行任何國家的程序原因在于此），統一且固定使用unicode， 
2 這就是為何內存固定用unicode的原因，你可能會說兼容萬國我可以用utf－8啊，可以，完全可以正常工作，之所以不用肯定是unicode比utf－8更高效啊（uicode固定用2個字節編碼
3 ，utf－8則需要計算），但是unicode更浪費空間，沒錯，這就是用空間換時間的一種做法，而存放到硬盤，或者網絡傳輸，都需要把unicode轉成utf－8， 
4 因為數據的傳輸，追求的是穩定，高效，數據量越小數據傳輸就越靠譜，于是都轉成utf－8格式的，而不是unicode。
          
        

七、字符編碼轉換

unicode------>encode(編碼)-------->utf-8

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

文件從內存刷到硬盤的操作簡稱存文件

文件從硬盤讀到內存的操作簡稱讀文件

亂碼：存文件時就已經亂碼 或者 存文件時不亂碼而讀文件時亂碼

總結：

無論是何種編輯器，要防止文件出現亂碼（請一定注意，存放一段代碼的文件也僅僅只是一個普通文件而已，此處指的是文件沒有執行前，我們打開文件時出現的亂碼）

核心法則就是，文件以什么編碼保存的，就以什么編碼方式打開

八、 文本編輯器之python解釋器

文件test.py以gbk格式保存，內容為：

　　x='林'

無論是

　　python2 test.py

還是

　　python3 test.py

都會報錯（因為python2默認ascii，python3默認utf-8）

除非在文件開頭指定#coding:gbk

九、程序的執行

python3 test.py 或 python2 test.py（執行test.py的第一步，一定是先將文件內容讀入到內存中）

階段一：啟動python解釋器

階段二：python解釋器此時就是一個文本編輯器，負責打開文件test.py,即從硬盤中讀取test.py的內容到內存中

此時，python解釋器會讀取test.py 的第一行內容，#coding :utf-8,來決定以什么編碼格式來讀入內存，這一行就是來設定python解釋器這個軟件的編碼使用的編碼格式這個編碼，python2默認使用ASCII，python3中默認使用utf-8

階段三：讀取已經加載到內存的代碼（unicode編碼的二進制），然后執行，執行過程中可能會開辟新的內存空間，比如x="egon"

內存的編碼使用unicode，不代表內存中全都是unicode編碼的二進制，

在程序執行之前，內存中確實都是unicode編碼的二進制,比如從文件中讀取了一行x="egon",其中的x，等號，引號，地位都一樣，都是普通字符而已，都是以unicode編碼的二進制形式存放與內存中的

但是程序在執行過程中，會申請內存（與程序代碼所存在的內存是倆個空間），可以存放任意編碼格式的數據，比如x="egon",會被python解釋器識別為字符串，會申請內存空間來存放"hello"，然后讓x指向該內存地址，此時新申請的該內存地址保存也是unicode編碼的egon,如果代碼換成x="egon".encode('utf-8'),那么新申請的內存空間里存放的就是utf-8編碼的字符串egon了

十、python2與python3的區別

在python2中有兩種字符串類型str和unicode

　　在python2中，str就是編碼后的結果bytes，所以在Python2中，unicode字符編碼的結果就是str/bytes

          
            #coding:utf-8
s='林' #在執行時,'林'會被以conding:utf-8的形式保存到新的內存空間中

print repr(s) #'\xe6\x9e\x97' 三個Bytes,證明確實是utf-8，16進制形式，轉換為二進制為11100110 10011110 10010111
print type(s) #
            
              

s.decode('utf-8') # '\u006796' 兩個Bytes，證實為unicode，16進制形式，轉換為二進制為1100111 10010111
# s.encode('utf-8') #報錯，s為編碼后的結果bytes，所以只能decode
            
          
        

　　當python解釋器執行到產生字符串的代碼時（例如s=u'林'），會申請新的內存地址，然后將'林'以unicode的格式存放到新的內存空間中，所以s只能encode，不能decode

          
            s=u'林'
print repr(s) #u'\u6797'
print type(s) #
            
              

# s.decode('utf-8') #報錯，s為unicode，所以只能encode
s.encode('utf-8')
            
          
        

對于unicode格式的數據來說，無論怎么打印，都不會亂碼

python3中的字符串與python2中的u'字符串'，都是unicode，所以無論如何打印都不會亂碼

在python3中也有兩種字符串類型str和bytes
　　str是unicode

          
            #coding:utf-8
s='林' #當程序執行時，無需加u，'林'也會被以unicode形式保存新的內存空間中,

#s可以直接encode成任意編碼格式
s.encode('utf-8')
s.encode('gbk')

print(type(s)) #
            
          
        

字符編碼總結：

1.以什么編碼存的就以什么編碼取出

　　內存固定使用unicode編碼，

　　我們可以控制的編碼是往硬盤存放或者基于網絡傳輸選擇編碼。

2.數據是最先產生于內存中，是unicode格式，要想傳輸需要轉成bytes格式

#unicode------>encode (utf-8)-------->bytes

拿到bytes，就可以往文件內存存放或者基于網絡傳輸

#bytes------>decode (utf-8)-------->unicode

3.python3中字符串被識別成unicode

python3中的字符串encode得到bytes

4.了解

　　python2中的字符串就是bytes

　　python2中的字符串前面加u，就是unicode

5.任何程序的運行都需要加載到內存中

Python 標準數據類型：Bytes

Bytes 對象是由單個字節作為基本元素（8位，取值范圍 0-255）組成的序列，為不可變對象。

Bytes 對象只負責以二進制字節序列的形式記錄所需記錄的對象，至于該對象到底表示什么（比如到底是什么字符）則由相應的編碼格式解碼所決定。我們可以通過調用 bytes() 類（沒錯，它是類，不是函數）生成 bytes 實例，其值形式為 b'xxxxx'，其中 'xxxxx' 為一至多個轉義的 十六進制 字符串（單個 x 的形式為：\xHH，其中 \x 為小寫的十六進制轉義字符，HH 為二位十六進制數）組成的序列，每個十六進制數代表一個字節（八位二進制數，取值范圍 0-255），對于同一個字符串如果采用不同的編碼方式生成 bytes 對象，就會形成不同的值：

比如上例中的 a 字符串對象，其十進制 unicode 值為 24464，分別使用 'utf-8' 和 'gb2312' 兩種編碼格式將其轉換成 bytes 對象 b 和 c ，結果 b 和 c 的值是完全不同的，由于基于的編碼格式不一致， b c 長度甚至都不相同，前者有 3 個字節長度，后者有 2 個字節長度：

另外，對于 ASCII 字符串，可以直接使用 b'xxxx' 賦值創建 bytes 實例，但對于非 ASCII 編碼的字符則不能通過這種方式創建 bytes 實例：

由于 bytes 是序列，因此我們可以通過索引或切片訪問它的元素：

可以發現如果以單個索引的形式訪問元素，其會直接返回單個字節的十進制整數，而以序列片段的形式訪問時，則返回相應的十六進制字符序列。

對于 bytes 實例，如果需要還原成相應的字符串，則需要借助內置的解碼函數 decode()，借助相應的編碼格式解碼為正常字符串對象，如果采用錯誤的編碼格式解碼，則有可能發生錯誤：