Python字符编码

• 字符串是一种基本数据类型，不同的是，它还存在编码问题
• 我们知道，一个字节（byte）有8（个比特）位（bit），那么，它所能表示的范围是有限的。ASCII编码表一共有127个字符，比如0的编码是48,A的编码是65,a的编码是97。世界上有上百种语言，各国有各国的标准，如中国制定了GB2312编码,用来编进中文。为了不发生混乱，Unicode字符应运而生,它把所有的语言编写到了一套编码里，这样就不会有乱码问题了。
• 新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。
• 所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的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

编码

• 由于Python的字符串类型是str，在内存中以Unicode表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str变为以字节为单位的bytes。Python对bytes类型的数据用带b前缀的单引号或双引号表示：

x = b'abc'

• 以Unicode表示的str通过encode()方法可以编码为指定的bytes，例如：

#b'ABC'
'abc'.encode('ASCII')
#b'\xe4\xb8\xad\xe6\x96\x87'
'中文'.encode('UTF-8')

解码

• 反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes。要把bytes变为str，就需要用decode()方法：

#abc
b'abc'.decode('SCCII')
#'中文
b'\xe4\xb8\xad\xe6\x96\x87'.decode('UTF-8')

字符 编码

• 对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符：

#65
ord('A')
#20013
 ord('中')
#B
char(66)
#'文'
char(25991)