python-002_字符编码问题

1、计算机中的字符编码问题

• 最早是ASCII编码，美国人发明，所以只把127个字符进行编码，只需要一个字节，字符A的编码是65，字符z编码是122。
• 中文字符显然一个字节编码不够，且为了不和ASCII冲突，制定GB2312编码，至少需要两个字节进行编码。

那么，世界上各种语言有各种语言的编码，那么在多语言混合的文本中，显示会有乱码。

• 所以，出现了Unicode编码，通常使用两个字节（生僻字符会用到四个字节）编码所有的语言字符。但是在大多是英字符的文本中，这种编码在存储和传输上非常不划算。
• 之后出现了UTF-8编码，根据字符的不同大小使用1-6个字节编码。通常英文是一个字节，汉字是三个字节，生僻字符4-6个字节。

UTF-8还有一个好处，ASCII编码可以看做UTF-8编码的一部分，在ASCII下历史遗留软件可以在UTF-8环境下继续工作。

2、现在计算机系统通用的字符编码工作方式

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。
用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：

浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

3、python中的字符编码

在最新的Python 3版本中，字符串是以Unicode编码的，也就是说，Python的字符串支持多语言。