简述Python处理中文字符（utf-8/ gbk/ unicode）

起源：
gbk最先出现，用于编码中文字符，无法编码任意国家字符
Unicode为万国码，它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，却没有规定这个二进制编码如何存储，而utf-8是Unicode的实现方式之一。个人理解Unicode码整体有一个特性，就是数值小的字符使用频率相对较高，而utf-8在编码时数值小的字符用的byte少，从而提高存储效率
Unicode字符集既可以用utf-8编码方式编成计算机能够识别的二进制数值，也可以用utf-16，utf-32等方式编码。
Python2默认是ASCII码，无法表示中文
Python3 string默认是Unicode码，默认使用utf-8编码
本文只讨论Python3

import sys
print(sys.getdefaultencoding())

文本文档是utf-8编码保存的，这样可以最大限度的节省空间。但是当对文档进行操作时，计算机会先把utf-8转换为unicode然后放在内存中，保存时又将unicode转换为utf-8。
python把unicode码作为基准，因此unicode转其他码用encode，其他码转unicode用decode

s='汉字'
print(s,type(s))
s0=s.encode()
print(s0,type(s0))
s1=s0.decode()
print(s1,type(s1))
s2=s.encode('utf-8')
print(s2,type(s2))
s3=s.encode('gbk')
print(s3,type(s3))
s4=s2.decode('utf-8')
print(s4,type(s4))
s5=s3.decode('gbk')
print(s5,type(s5))

可以看出，string是用unicode编码的，默认encode和decode分别是unicode转成utf-8和utf-8转成unicode