python打印内存的值-分析内存中字符串以及编码后的值

字符串和字符串编码是两个不同的概念，python作为一门优秀的编程语言中是做了严格的区分，即使用不同的class来表示，同时存储的内容也是不一样的。尽管在python2中区分的还不是特别的明显，但是在python3中是明确的使用str类表示字符串；bytes表示字节串，即可以用来存储字符串编码后的值，说明如下：

首先字符集和字符编码在ASCII，GB2312，GBK中往往混淆这两个概念，因为他们即是字符集也是字符编码，这是编码早期阶段遗留的问题；但是unicode字符集的庞大，使得其产生了诸多编码方式，包括utf8,utf16,utf32等多种编码方式，因此在unicode中需要明确字符集和编码的不同。通常来说，unicode指的是字符集，对应字符的编号；utf8指的是unicode对应的编码。关于utf8编码规则，我在这篇文中有详细的介绍；关于unicode的应用，我在这里有介绍，可以自行查看。

1，Python3中使用str类来表示和存储字符串，在一个具体的字符串对象中存储的内容是每个字符的编号，该编号就是字符集中赋予的。至于该编号使用几个字节来进行存储往往是不确定的，例如常用汉字的编号通常使用两个字节就可以表示编号。对于一些特殊的字符（比如音乐中的那些字符），往往需要更多的字节。这是python 内部的实现机制，不在过多的阐述，感兴趣的同学在学习完本文方法文后，自行研究尝试。

2，Python3中使用bytes类来表示和存储字符串的编码。由于unicode字符集对应的编码方式不止一个，包括utf8,ut16,utf32等等，python通常默认时使用utf8编码方式。因此不同的编码方式下，得到字符串的编码值：1，首先互不相同；2，其次编码之后bytes对象中存储的值和str对象中存储的值也是不一样的。

以我的优快云博客名称 村中少年这几个字符串为例：
1，首先这几个字符的unicode编号分别为6751,4E2D,5C11,5E74
2，Utf8编码后的值为E6 9D 91 E4 B8 AD E5 B0 91 E5 B9 B4

编写如下程序，并查看对象对应的内存内容：

def printMem(data):
    from ctypes import string_at
    from sys import getsizeof
    from binascii import hexlify

    print(hexlify(string_at(id(data), getsizeof(data))))
if __name__ == "__main__":
    
    nameStr = '村中少年'
    nameBytes = nameStr.encode()
    print(type(nameStr))
    print(type(nameBytes))
    printMem(nameStr)
    printMem(nameBytes)

运行结果如下：
<class ‘str’>
<class ‘bytes’>
b’0500000000000000c0f562b5417f000004000000000000001a53594dc9e6e066a80a64b5417f0000000000000000000000000000000000000000000000000000000000000000000051672d4e115c745e0000’
b’0300000000000000e0fe60b5417f00000c00000000000000ffffffffffffffffe69d91e4b8ade5b091e5b9b400’

标记的部分分别表示的是字符串中的unicode编号以及utf8编码后的值，可以看到nameStr字符串中的确存储了Unicode编号的值，nameBytes存储的是编码后的值，验证了一开始所说的。

为什么要使用编号表示字符串本身呢？因为字符串，无论在何处，无论是写在纸上还是显示在计算机上，其本身的含义不变，因此需要编号这个确定的值来表示。但是在存储的时候，出于效率的考虑，有不同的编码方式，不同的编码方式意味这不同的值。因此编码值来表示字符串是不合适的，编码值只是存储层次的表示。通过我的这篇文章，相信你对于字符串和其编码方式应该能够加以区分。

本文为优快云村中少年原创文章，转载记得加上小尾巴偶，博主链接这里。