编码问题
一, ASCII、GB2312、Unicode和UTF-8
- 美国专用:ASCII(长度1个字节)
- 中国专用:GB2312(至少2个字节)
- 全球使用:Unicode(2个字节)
- 节约型全球使用:UTF-8(可变长字节,英文字母1个字节,汉字3个字节,生僻字符4到6个字节)
- Latin1是ISO-8859-1的别名:有些环境下写作Latin-1。ISO-8859-1编码是单字节编码,向下兼容ASCII,其编码范围是0x00-0xFF,0x00-0x7F之间完全和ASCII一致,0x80-0x9F之间是控制字符,0xA0-0xFF之间是文字符号。
二, 计算机系统通用的字符编码工作方式
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,当然当文件特别大的时候也会将文件保存为Latin1的格式。
例一: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字符转换为UTF-8字符保存到文件里。
例二: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。
例三:特别大的文件有时候是以Latin1的编码形式保存在硬盘上的。
三,python源文件中中文使用前要添加
# -*- coding: utf-8 -*-
为了告诉python解释器,按照UTF-8编码读取源代码,否则,你在源代码中写的中文输出可能会有乱码。
如果没有特殊业务要求,请牢记仅使用Unicode和UTF-8这两种编码方式。