【计算机基础知识】几个常用编码

【前言】
在计算机中，所有的数据在存储和运算时都要使用二进制数表示(因为计算机用高电平和低电平分别表示1和0)，例如，像a、b、c、d这样的52个字母(包括大写)、以及0、1等数字还有一些常用的符号(例如*、#、@等)在计算机中存储时也要使用二进制数来表示，而具体用哪些二进制数字表示哪个符号，当然每个人都可以约定自己的一套(这就叫编码)，而大家如果要想互相通信而不造成混乱，那么大家就必须使用相同的编码规则。
下面就一起看一下常用的三种编码规则。

1.ASCII

全称American Standard Code for Information Interchange，即美国标准信息交换代码。主要用于显示现代英语和其他西欧语言。
ASCII 码使用指定的7 位或8 位二进制数组合来表示128 或256 种可能的字符。
标准ASCII 码也叫基础ASCII码，使用7 位二进制数来表示所有的大写和小写字母，数字0 到9、标点符号， 以及在美式英语中使用的特殊控制字符。
后128个称为扩展ASCII码。许多基于x86的系统都支持使用扩展(或"高")ASCII。扩展ASCII 码允许将每个字符的第8 位用于确定附加的128 个特殊符号字符、外来语字母和图形符号。
即：用8位表示一个字符，但是如果想在计算机中表示出其他语言文字，例如中文，ASCII码的一个字节不够用。

2.Unicode

又称万国码。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。各国有自己的编码规则，Unicode就是为统一所有文字应运而生的编码。
即：至少占两个字节。（ecs2、ecs4）ecs4用32位表示一个字符（可以是任何字符），前面用0填充，但非常浪费空间。

3.UTF-8

UTF-8（可变长编码）的特点是对不同范围的字符使用不同长度的编码，对Unicode进行压缩，如果Unicode编码中前面都是0，则删除，但保留的必须是8的倍数。既解决了全球语言通用编码的问题，又解决了占用空间过大的问题。常用的英文字母被编码成 1 个字节，汉字通常是 3 个字节。
UTF­-8 编码有一个额外的好处，就是 ASCII 编码实际上可以被看成是 UTF-­8 编码的一部分，所以，大量只支持 ASCII 编码的历史遗留软件可以在 UTF­-8编码下继续工作。
【注】utf-8存储中文一个字符用3个字节。gbk和gb2312存储一个中文字符用2个字节。

在python解释器中：
Python2默认使用ASCII编码（可以使用# encoding：utf-8指定编码）
Python3默认使用UTF-8编码

4.使用场景

• 在计算机内存中，统一使用Unicode编码。虽然Unicode浪费空间，但是一般情况下我们也不会一次性对几个G的数据进行计算，而且Unicode编码是等长的，方便计算。
• 当需要保存到硬盘或者在网络中进行传输时，就要转换成UTF-8编码，节省空间。
• 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。所以很多网页的源码上会有类似 <meta charset="UTF-8" /> 的信息，表示该网页正是
  用的 UTF­-8 编码。