编码问题

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。