ascii 码表
回忆上次内容
- 通过 help()可以从 Python 命令行模式进入到帮助模式 通过 q 退出
- ord(c)和 chr(i) 这是俩函数 这俩是一对,相反相成的 ord 通过字符找到对应的数字 chr 通过数字找到对应的字符 字符的本质是数字
- Python 里面的字符对应着一些数字 a对应 97 b对应 98 c对应 99
- 可是,为什么是这样的对应关系,谁规定的,必须的么?
小写字母
#输出a,b,c ord("a") ord("b") ord("c") #输出z-a的数字差距,相对序号 ord("z")-ord("a") #输出a的相对序号 ord("a")-ord("a")
- a、b、c 这些字符是挨着的
- 正好从0到25,总共26个数字
- 对应数字也是挨着的
编码规律
- 从 a-z 应该都是挨着的
- 26 个英文字母之间,数值差距是 25,说明都是挨着的
- 为什么是从 97 开始? 应该还有别的字符 除了小写字母之外、大写字母、数字、符号他们都是如何分布的呢? 我想把所有 ASCII 字符 0-127 全都打出来 可以么?
遍历范围
for i in range(0,128): print(i,end=",")
- 我们先把0-127 挨牌儿捋一遍
- 然后如何找到数字对应的字符呢?
对应字符
- 通过数字找到对应的字符是chr
for i in range(0,128): print(hex(i),chr(i),sep=":",end=" ")
- print(hex(i),chr(i),sep=":",end=" ") hex(i) 输出i的十六进制状态 chr(i) 输出i的字符状态 sep=':' 分隔符为冒号 end=" " 结束时输出3个空格
- 结果如何呢?
结果
- 这不是很整齐啊
- 为什么在 0xa-0xc 好像换行很突然
- 后面可以看到字符和序号一一对应的关系
- 不过不是很明确
- 有什么方式可以看起来更明确么?
安装 ASCII
sudo apt install ascii
- Dec 对应的是 10 进制数
- Hex 对应的是 16 进制数
- 后面的是具体字符
- 字符包括 控制 符号 英文大小写字母
- 这样就把各种字符和一个二进制数字对应起来了
- 这个 ASCII 什么时候开始有的呢?
ASCII 码表
- 1967 年的时候就有了最初这个 ASCII 码表 当时计算机用高电平和低电平分别表示 0 和 1 实际上计算机中所有的数据都是 0 和 1 这建立起了 字符 和 二进制数 的 映射关系
- 字符 和 二进制数 的 映射关系 如果不一致 面对同一个二进制数 01010101 就会映射到不同的字符 人们看到不同的字符就认为是乱码
- 当时美国的工程师定义了一套编码规则 ASCII American Standard Code for Information Interchange 美国信息交换标准代码
由来
- 这标准是美国信息交换标准代码是由美国国家标准学会制定的 (American National Standard Institute , ANSI ) 最初是美国标准
- 后来是国际标准化组织定为国际标准 (International Organization for Standardization, ISO) 称为 ISO 646 标准
- 最后一次更新则是在 1986 年 到目前为止共定义了 128 个字符
解码 ASCII
- 我们找到小写的a 先向上找到110 这是他的765位 高三位 再向左找到0001 这是他的4321位 第四位 在前面加一个0 得到(01100001)2进制 对应着(97)10进制数 也就是(0x61)16进制数 刚好对应一个字节
对应关系
- 1 个 字节 byte 正好 8 个 bit 位 相当于 2 位 16 进制数 16 进制数 更容易读出
- 十六进制数很适合输出字节状态
- 听起来找到了字符和字节状态之间的映射对应关系
- 我们能在游乐场上验证一下吗?
游乐场
- 进入 python3 帮助模式
- 我们可以查询 hex hex 对应 hexadicimal 十六进制
- help(hex)
动手
#得到a的序号 ord("a") #输出97对应的16进制形式 hex(97) #找到a对应的16进制形式数字对应的字符 hex(ord("a"))
- 0x61就是十六进制的61 0x是十六进制的前缀标志
- 可是为什么 16 进制使用 0x 作为前缀?
0x 前缀
- x 的起源 0x 的 x 是取自 hex 的 x
- 0 的起源 变量名开头不许是数字 0 开头肯定是数字 但正常情况下写数字不会用 0 开头 这保证 0 开头很容易和 10 进制区分开 在 C 语言之前的 B 语言用 0 开头表示 8 进制 C 语言继承了类似设定 0 开头表示数字 0x 开头表示 16 进制数
- python 也继续继承 字符对应着数字 数字也可以转化为字符 字符和二进制数之间的关系其实是 编码 encode 解码 decode
编码解码
- 编码 就是用预先规定的方法将文字、数字、其它对象编成数码 将信息、数据转换成规定的电脉冲信号 简单来说就是给大白菜编个号
- 解码是编码的逆过程 用特定方法,把数码还原成它所代表的内容 将电脉冲信号、光信号、无线电波等转换成它所代表的信息、数据等的过程 简单说就是扫条码知道这个是一个大白菜并知道价格等
- 我们用python试试编码解码
encode和decode
- str(字符串)'a' encode(编码)之后 为 bytes(字节序列) b'\x61'
- bytes(字节序列)b'\x61' decode(解码)之后为 为 str(字符串)'a'
- 编码(encode) 和解码(decode) 互为逆运算
- 很像 字符(chr)和 序号(ord)
编码解码
- 可以先编码再解码
- 也可以先解码再编码
- 绕来绕去
- 也没做神马
- 掌握这个基础是最起码
- 基本功要练得硬桥硬马
- 实战方能稳扎稳打
- 否则以后各种乱码
- 字节除了用十六进制显示之外
- 还可以用二进制显示么?
bin(number)
- 这次我们来试试把数字转化为二进制形式
- 查询 bin bin 对应 binary 二进制
动手
#得到a的序号 ord("a") #输出97对应的16进制形式 bin(97) #找到a对应的十六进制形式 bin(ord("a"))
- 0b1100001是二进制数1100001
- 0b是 2 进制数的前缀标志 正如0x是 16 进制数的前缀标志
和 ASCII 表对比
- 验证成功
- 这充分证明了我们用的确实是 ASCII 表!!!
- 废话!
- 我们会用 hex、bin 把 10 进制数转化为八进制、二进制形式
- 能把其他进制转化回十进制么?
其他进制 转化为回 10进制 int(number)
- 用的是 int
- 这个 int 什么来历?
- 我们 help()里面去找找
大小字母差值
- 0x41-0x5A这个范围是大写字母
- 0x61-0x7A这个范围是小写字母
#输出a的ASCII吗 ord("a") #输出A的ASCII吗 ord("A") #输出大小写之差 ord("a")-ord("A") #差值的16进制形式 hex(ord("a")-ord("A")) #差值的2进制形式 bin(ord("a")-ord("A"))
- 大写字母和小写字母相差(32)10进制
- 正好是(0x20)16进制
- 为什么不多不少
- 就差 0x20 呢?
- 怎么那么寸呢?
ASCII 码表趣事
- 其实最初不是相差 0x20 这个 0x20 正好是一个二进制位 对应 b6 这个位 之前 ibm 的 EBCDIC 编码并不是这样的
- 那为什么要改成这样子呢?
- 有了这种对应关系之后 做大小写不敏感的字符串查找就快多了 这个 0x20 发生在 1963 年 5 月 The X3.2.4 task group voted its approval for the change to ASCII at its May 1963 meeting. Locating the lowercase letters in columns 6 and 7 caused the characters to differ in bit pattern from the upper case by a single bit, which simplified case-insensitive character matching and the construction of keyboards and printers. 如果是大写字母 修改1位之后,都变成小写字母 然后直接查找就好了
ASCII 码表范围
- 0x41-0x5A这个范围是大写字母
- 0x61-0x7A这个范围是小写字母
- 0x30-0x39这个范围是数字 数字的编码减去0x30正好得到数字本身
- 我们再来看看 ASCII
ASCII
- 0x20-0x7F之间有各种符号
- 0x00-0x1F之间的东西是什么? 目前还不知道 也许有一天可以进行进一步地探索
- 可以肯定都是 很多字符来自与更早之前的摩斯电码
更早之前的摩斯电码
- ASCII 也不是从无到有的 在 ASCII 之前就有摩斯电码 也是一种编码方法 《oeasy 教您玩转电路基础》第 18 话介绍过
- 下图是他的编码表 分成长和短两种信号,就是嘀和嗒
摩斯电码通信规则
- 下图是他的通信规则
- 三个断确认本字符结束了
- 三个断也就是字符之间的分隔符
- 录入状态并不是 0、1 两种状态
- 而是长、短、暂停三种状态
- 为什么这样编码呢?
效率问题
- 编码的规则是常用的字符点击次数少 按照字符出现概率分配对应点击数量 T、E 出现频率最高 所以用一次点击电键的数量 本质上是一棵霍夫曼树
- 当时完全由人进行发射和接收 每个人发送数据的速度是不固定的 每个人接收数据的速度取决于发送人的发送速度 现查表是来不及的 需要熟悉编码表和常用缩写
- 这就是早期使用电来进行编码的过程 我们现在回到 ASCII 码
- 最后我们来总结一下
总结
- 数制可以转化 bin(n)可以把数字转化为 2进制 hex(n)可以把数字转化为 16进制 int(n)可以把数字转化为 10进制
- 编码和解码可以转化 encode 编码 decode 解码
- ASCII 码表范围 0x41-0x5A 这个范围是 大 写字母 0x61-0x7A 这个范围是 小 写字母 0x30-0x39 这个范围是 数字 数字的编码减去 0x30 正好得到数字本身 0x20-0x7F之间有各种符号 0x00-0x1F之间的东西是什么?
- 我们下次再说