字符编码那些事儿：ASCII，GB2312，Unicode和UTF-8

写作目的：字符编码是计算机技术的基础，想要提高工作效率，降低缺陷产生概率，就必须懂一点点字符编码知识。

一、ASCII码

产生背景：
我们知道，计算机只能处理0和1，任何符号都转换为0和1的序列才能处理。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从00000000到11111111。

上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为 ASCII 码，一直沿用至今。

ASCII 码一共规定了128个字符的编码，比如空格SPACE是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的一位统一规定为0。

不足：
ASCII码只解决了英文编码问题，没有解决其他国家语言编码问题。
随着计算机的发展和互联网的发展，不同国家，地区都在使用计算机；每个国家都有自己的语言，如中国有中文，法国使用法语等。ASCII只能表示128个字符，英语用128个符号编码就够了，但是用来表示其他语言，128个符号是不够的。

二、GB2312

产生背景：
ASCII码只解决了英文编码问题，没有解决其他国家语言编码问题，每个国家符号数量都不一样，就各自指定了自己的编码。例如我们中国就制定了GB2312编码，GB2312编码用2个字节表示一个字符。

不足：
虽然中文有了自己的编码：GB2312，但是其他国家也有自己的语言编码，与其他国家进行通信交流时，编码格式和含义不一致，会造成乱码，没法交流。

三、Unicode

产生背景：
Unicode编码的产生，就是为了解决多种编码乱码问题
不足：
容易造成存储的极大浪费
们已经知道，英文字母只用一个字节表示就够了，如果 Unicode 统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍，这是无法接受的。

四、UTF-8

产生背景：
解决了Unicode存储浪费问题，需要说明的是：UTF-8 是 Unicode 的实现方式之一。
不足：
目前被广泛使用

五、decode与encode

decode英文意思是 解码，encode英文原意 编码
字符串在Python内部的表示是unicode编码，因此，在做编码转换时，通常需要以unicode作为中间编码， 即先将其他编码的字符串解码（decode）成unicode，再从unicode编码（encode）成另一种编码。
decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode(‘gb2312’)，表示将gb2312编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode(‘gb2312’)，表示将unicode编码的字符串str2转换成gb2312编码。