拓展 Python 之 字符串编码

Python 之 字符串编码

计算机只认识数字。然而，我们平时在使用计算机时用的都是人类能读懂的字符。如何能让计算机能够读懂人类的字符？

字符-------------------（翻译过程）--------------------数字

所谓字符编码，就是一个字符如何对应一个特定数字的标准。字符编码发展的三个阶段：
1、ASCII码：一个Bytes代表一个字符，1Bytes=8bits，8bit可以表示0~2^8-1种变化（即可以表示256个字符）。 最初只用了后7位，已经完全能够表示键盘上所有的字符了。 后来为了将拉丁文也包含进ASCII表，将最高位也占用了。
2、为了满足中文和英文，中国人制定了‘GBK’。2Bytes代表一个中文字符，1Bytes代表1个英文字符。 为了满足自身的需要，各国也纷纷制定自己的编码。
3、各国有各国的标准，就会不可避免地产生冲突，就会产生乱码，乱码问题的本质就是不统一。解决这个问题？
统一全世界？不现实 unicode（万国码）（定长） unicode统一用2个Bytes代表一个字符。 对于全篇都是英文的文本来说，Unicode编码无疑是多了一倍的存储空间。 于是就产生了UTF-8（可变长，Unicode Transformation Formate），对英文字符只用1Bytes表示，对中文字符则用3Bytes表示，其他生僻字用更多的Bytes去存。 目前的现状：内存中的编码固定就是unicode，唯一可变的就是硬盘上对应字符的编码。

总结：
1、 在存入磁盘时，需要将unicode转换成一种更为精准的编码格式：utf-8，将数据量控制到更精简。
2、在读入内存时需要将utf-8转成unicode