Python学习笔记之字符串编码总结

Python学习笔记之字符串编码总结

1.ASCII，美国信息交换标准代码

​ 采用8个bit作为一个字节byte，能表示的最大整数就是255.最早只有127个字符被编码，只有一些大小写英文数字和一些符号。

​ 如果要处理中文，一个字节是不够的，至少需要两个字节，还不能与ASCII冲突，所以中国制订了GB2312编码，同样不同的国家有不同的编码，如日文的Shift_JIS，韩国的Eur-kr。

2.Unicode

​ 因为不同的国家有不同的编码，在多语言混合的文本中就会出现乱码的情况。Unicode就应运而生，把所有语言都统一到一套编码里了。最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。

​ Unicode是兼容ASCII的，因为ASCII是一个字节表示，unicode是两个字节表示，那么用unicode来表示ASCII就需要在高字节上补上0，低字节为ASCII

3.UTF-8

​ Unicode解决了乱码的问题，但是如果你的文本全是英文字符的话，Unicode编码会比ASCII编码多出2倍的存储空间。所以为了节约存储空间，又出现了把Unicode编码转化为“可变长编码”utf-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间。utf-8也是兼容ASCII的，所以一些只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。