对python字符编码操作的一些认识

读了一篇对python中文字符编码讲解的很好的文章后（http://python.jobbole.com/80831/），又通过查看一些文章，对字符编码的问题有了一些新的认识。很多原来纠缠不清的概念能够理清楚了：

1、字符与字节是两个独立的概念。字符表示的是文本中的单个符号，一个字符不是一个字节。一个字符可以有多种字节表现形式。在python里，Unicode表示字符串，str表示字节串。比如‘汉’这个字符，是单个字符，但在str里却不是单个字节。所以，一个字符不是一个字节，str不是字符串而是字节串。

2、unicode表示字符编码值，不指定字符的具体表现形式，utf-8、utf-16指定unicode编码具体的存储、传输形式；gbk/gb2312/big5既指定了字符的编码值，又指定了编码的存储、传输形式（gbk/gb2312/big5编码形式：http://blog.minidx.com/2008/12/06/1689.html）。比如，同一个字符‘汉’，unicode编码是6C49，gbk编码是BABA（汉字编码查询：http://bm.kdd.cc/），要把gbk编码转换成utf8编码，就得先转成unicode编码值，再指定utf8编码形式。

3、utf8、gbk、gb2312、big5没有大小端之分，而utf16有。utf8是互联网中用的最多的编码格式。

另附一篇很好的解释编码的文章：http://www.cnblogs.com/cy163/archive/2007/05/31/766886.html