python3前篇【2】——基础编码

我们都知道，计算机只能识别由01组成的机器码，通过不同个数的0和1的不同组合，可以对应不同的含义，所以看到一串二进制码，只要知道每个字符用什么二进制码表示，就能知道这串二进制码代表的含义。但如果每个字符对应的二进制码长度不同，我们应该怎么对收到的二进制码进行划分呢，如字符与二进制码的对应关系如下：

你  01

好 0101

吗 101

当接收到010101101时，使用不同的划分方法得到的结果就不同。

所以我们不仅要规定每个字符对应的二进制码，还要规定代表一个字符的二进制码的长度，比如规定八位二进制码代表一个字符，则上面的对应关系可以改为：

你  0000 0001

好 0000 0101

吗 0000 1011

此时如果收到了000000010000010100001011，我们首先将其进行划分，每8个分为一段，可以得到：00000001 00000101 00001011，此时对照上面的对应关系，就可以得到：你好吗。

总结一下就是，计算机需要存储数据和通过网络传输数据，计算机存储在磁盘中的数据或者通过网络发送的数据本质都是bit流，即000000010000010100001011，这些00001011需要与我们的文字有标准的对应关系，这样我们才能够识别计算机中的数据。

一、ASCII码

最开始使用的是ASCII码（American Standard Code fo Information Interchange,美国标准信息交换码），它只包含英文字母、数字以及特殊字符与二进制的对应关系，最初只有7位（bit），后来改为8位（一个字节），因为2**8 = 256,所以ASCII码最多只能表示256个符号

二、GBK

随着不断的发展，世界各地都开始使用计算机，这时候ASCII码就不能满足大家的要求了，比如中国的汉字就有几万个，但ASCII码最多只有256个，所以不同国家就提出了不同的编码用来适用于各自的编码环境，GBK全称《汉字内码扩展规范》（GBK即“国标”、“扩展”汉语拼音的第一个字母，英文名称：Chinese Internal Code），它只包含本国文字以及英文字母、数字、特殊字符与二进制码的对应关系。

GBK完全沿用ASCII码中的内容，英文使用单字节（1bytes）编码，中文采用双字节（2bytes）编码。

三、Unicode

Unicode也称万国码，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。

起初，Unicode规定一个字符用两个字节表示，但是还是不能满足要求，所以改为一个字符用四个字节表示。

四、UTF-8

虽然Unicode实现了跨语言跨平台的文本转换，但是比较浪费资源，比如a本来可以用一个字节表示，现在却需要用4个字节表示。所以需要对Unicode进行优化。

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，它是对Unicode编码的压缩和优化。其最少使用8bit来表示一个字符，具体如下：

英文： 8bit，1个字节表示

欧洲文字：16bit，2个字节表示

中文，亚洲文字：24bit，三个字节表示