学习目标：讲解计算机中一些必备的常识知识，让同学们了解一些常见名词背后的含义（重在理解）。
本节概要：
- 进制
- 单位
- 编码
- 小结
进制
计算机中底层所有的数据都是以 010101的形式存在（图片、文本、视频等）。
进制介绍
二进制：0、1、10
八进制：逢8进1
十进制：逢10进1
十六进制：逢16进1
进制转换
v1 = bin(25) # 十进制转换为二进制
print(v1) # "0b11001"
v2 = oct(23) # 十进制转换为八进制
print(v2) # "0o27"
v3 = hex(28) # 十进制转换为十六进制
print(v3) # "0x1c"i1 = int("0b11001",base=2) # 25
i2 = int("0o27",base=8) # 23
i3 = int("0x1c",base=16) # 28 """ 十进制转换成其他进制 """
print('十进制：',4)
print('二进制:', bin(4)) # 100
print('八进制:', oct(9)) # 11
print('十六进制:', hex(10)) # a
""" 其他进制转换成十进制 """
print(int('0b10', base=2)) # 2
print(int('11', base=8)) # 9
print(int('11', base=16)) # 17
""" 二进制转换成八进制 """
print(oct(int('100', base=2))) # 0o4
""" 二进制转换成十六进制 """
print(hex(int('100', base=2))) # 0x4
""" 八进制转换成二进制 """
print(bin(int('10', base=8))) # 0b1000
""" 八进制转换成十六进制 """
print(hex(int('10', base=8))) # 0x4
""" 十六进制转换成二进制 """
print(bin(int('10', base=16))) # 0b10000
""" 十六进制转换成八进制 """
print(hex(int('10', base=16))) # 0x10单位
由于计算机中本质上所有的东西以为二进制存储和操作的，为了方便对于二进制值大小的表示，所以就搞了一些单位。
b（bit），位
1，1位 10，2位 111，3位 1001，4位B（byte），字节
8位是一个字节。 10010110，1个字节 10010110 10010110，2个字节KB（kilobyte），千字节
1024个字节就是1个千字节。 10010110 11010110 10010111 .. ，1KB 1KB = 1024B= 1024 * 8 bM（Megabyte），兆
1024KB就是1M 1M= 1024KB = 1024 * 1024 B = 1024 * 1024 * 8 bG（Gigabyte），千兆
1024M就是1G 1 G= 1024 M= 1024 *1024KB = 1024 * 1024 * 1024 B = 1024 * 1024 * 1024 * 8 bT（Terabyte），万亿字节
1024个G就是1T其他更大单位 PB/EB/ZB/YB/BB/NB/DB 不再赘述。
做个小练习：
假设1个汉字需要2个字节(2B=16位来表示，如：1000101011001100)，那么1G流量可以通过网络传输多少汉字呢？（计算机传输本质上也是二进制）
1G = 1024M = 1024 * 1024 KB = 1024 * 1024 * 1024 / 2 B 1024 * 1024 * 1024 / 2 = ?假设1个汉字需要2个字节(2B=16位来表示，如：1000101011001100)，那么500G硬盘可以存储多少个汉字？
500G = 500 * 1024M = 500 * 1024 * 1024 KB = 500 * 1024 * 1024 * 1024 / 2 B 500 * 1024 * 1024 * 1024 / 2 = ?
编码
编码，文字和二进制之间的一个对照表。
ASCII编码
- ASCII（American Standard Code for Information Interchange，美国信息互换标准代码，ASCⅡ）是基于拉丁字母的一套电脑编码系统。它主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。
- ASCII规定使用1个字节来表示字母与二进制的对应关系。
00000000
00000001 w
00000010 B
00000011 a
...
11111111
2**8 = 256
gb-2312编码
gb-2312编码，由国家信息标准委员会制作（1980年）。gbk编码，对gb2312进行扩展，包含了中日韩等文字（1995年）。在与二进制做对应关系时，由如下逻辑：
- 单字节表示，用一个字节表示对应关系。2**8 = 256
- 双字节表示，用两个字节表示对应关系。2**16 = 65536中可能性，目前只用了2万多。
问题：如果我用
gbk编码来编写一个中文，转换成二进制的话用几个字节表示？答：2个字节
unicode
unicode也被称为万国码，为全球的每个文字都分配了一个码位（二进制表示）。ucs2
用固定的2个字节去表示一个文字。 00000000 00000000 我 ... 2**16 = 65535ucs4
用固定的4个字节去表示一个文字。 00000000 00000000 00000000 00000000 我 ... 2**32 = 4294967296unicode官网：http://www.unicode.org/charts/
文字 十六进制 二进制
˂ 02C2 1011000010
ȧ 0227 1000100111
ȧ 0227 00000010 00100111 ucs2
ȧ 0227 00000000 00000000 00000010 00100111 ucs4
乐 4E50 1001110 01010000
乔 4E54 1001110 01010100
乔 4E54 01001110 01010100 ucs2
乔 4E54 00000000 00000000 01001110 01010100 ucs4
王 738b 1110011 10001011
😆 1F606 11111011000000110
😆 1F606 00000000 00000001 11110110 00000110 ucs4
😂 1F602 1 11110110 00000010 无论是ucs2和ucs4都有缺点：浪费空间？
文字 十六进制 二进制
A 0041 01000001
A 0041 00000000 01000001
A 0041 00000000 00000000 00000000 01000001unicode的应用：在文件存储和网络传输时，不会直接使用unicode，而在内存中会unicode。
utf-8编码
包含所有文字和二进制的对应关系，全球应用最为广泛的一种编码（站在巨人的肩膀上功成名就）。
本质上：
utf-8是对unicode的压缩，用尽量少的二进制去与文字进行对应。
unicode码位范围 utf-8
0000 ~ 007F 用1个字节表示
0080 ~ 07FF 用2个字节表示
0800 ~ FFFF 用3个字节表示
10000 ~ 10FFFF 用4个字节表示具体压缩的流程：
第一步：选择转换模板
码位范围（十六进制） 转换模板 0000 ~ 007F 0XXXXXXX 0080 ~ 07FF 110XXXXX 10XXXXXX 0800 ~ FFFF 1110XXXX 10XXXXXX 10XXXXXX 10000 ~ 10FFFF 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX 例如： "B" 对应的unicode码位为 0042，那么他应该选择的一个模板。 0XXXXXXX 1000010 01000010 "ǣ" 对应的unicode码位为 01E3，则应该选择第二个模板。 "张" 对应的unicode码位为 5F20，则应该选择第三个模板。 "亚" 对应的unicode码位为 4E9A，则应该选择第三个模板。 "飞" 对应的unicode码位为 98DE，则应该选择第三个模板。 😆 对应的unicode码位为 1F606，则应该选择第四个模板。 注意：一般中文都使用第三个模板（3个字节），这也就是平时大家说中文在utf-8中会占3个字节的原因了。第二步：在模板中填入数据
- "张" -> 5F20 -> 101 111100 100000 - 根据模板去套入数据 1110XXXX 10XXXXXX 10XXXXXX 1110XXXX 10XXXXXX 10100000 1110XXXX 10111100 10100110 11100101 10101101 10100110 在UTF-8编码中 ”张“ 11100101 10101101 10100110 - 😆 -> 1F606 -> 11111 011000 000110 - 根据模板去套入数据 11110000 10011111 10011000 10000110
Python相关编码
字符串（str） "夫轻诺必寡信" unicode处理 一般在内存
字节（byte） b"\xe5\xa4\xab\..." utf-8编码 or gbk编码 一般用于文件或网络处理""" utf-8和gbk """
v1 = "张"
v2 = "张".encode("utf-8")
v2 = "张".encode("gbk")
name = '陈月'
# 字符串编码为二进制
name_utf8 = name.encode(encoding='utf-8')
print(name_utf8) # \xe9\x99\x88
name_gbk = name.encode(encoding='gbk')
print(name_gbk)
# 二进制解码为字符串
print(name_utf8.decode(encoding='utf-8'))
print(name_gbk.decode(encoding='gbk'))将一个字符串写入到一个文件中。
text = "功高不自居，名高不自誉，位高不自傲"
data = text.encode("utf-8")
# 打开一个文件
file_object = open("log.txt",mode="wb")
# 在文件中写内容
file_object.write(data)
# 关闭文件
file_object.close()小结
本章的知识点属于理解为主，了解这些基础之后有利于后面知识点的学习，接下来对本节所有的知识点进行归纳总结：
计算机上所有的东西最终都会转换成为二进制再去运行。
ascii编码、
unicode字符集、utf-8编码本质上都是字符与二进制的关系。ascii，字符和二进制的对照表。unicode，字符和二进制（码位）的对照表。utf-8，对unicode字符集的码位进行压缩处理，间接也维护了字符和二进制的对照表。
ucs2和ucs4指的是使用多少个字节来表示
unicode字符集的码位。目前最广泛的编码为：
utf-8，他可以表示所有的字符且存储或网络传输也不会浪费资源（对码位进行压缩了）。二进制、八进制、十进制、十六进制其实就是进位的时机不同。
基于Python实现二进制、八进制、十进制、十六进制之间的转换。
一个字节8位
计算机中常见单位b/B/KB/M/G的关系。
汉字，用
gbk编码需要用2个字节；用utf-8编码需要用3个字节。基于Python实现将字符串转换为字节（
utf-8编码）# 字符串类型 name = "张亚飞" print(name) # 张亚飞 # 字符串转换为字节类型 data = name.encode("utf-8") print(data) # b'\xe5\xbc\xa0\xe4\xba\x9a\xe9\xa3\x9e' # 把字节转换为字符串 old = data.decode("utf-8") print(old)基于Python实现将字符串转换为字节（
gbk编码）# 字符串类型 name = "张亚飞" print(name) # 张亚飞 # 字符串转换为字节类型 data = name.encode("gbk") # print(data) # b'\xe5\xbc\xa0\xe4\xba\x9a\xe9\xa3\x9e' utf8，中文3个字节 print(data) # b'\xd5\xc5\xd1\xc7\xb7\xc9' gbk，中文2个字节 # 把字节转换为字符串 old = data.decode("gbk") print(old)
