python新手入门——字符串与函数（5）

7、字符串编码

编码方式	ASCII	Unicode	UTF-8
二进制表示字母'A'	01000001	00000000 01000001	01000001
二进制表示中文‘中		01001110 00101101	11100100 10111000 10101101
十六进制形式		\u4e2d	b\xe4\xb8\xad
编码范围	只有英文	所有语言	所有语言
一个字符占字节数	1	2（少数偏僻字4）	英文1，中文3（少数偏僻字4-6）
特点		统一，英文就在ASCII 前面补一个字节	节省，英文跟ASCII一样只有一个字节
用处		内存中，服务器中， 比较统一	保存在硬盘时，传输时，需要节省

 

 

 

 

 

 

 

 

 

在计算机中所有的信息最终都表示为一个二进制的字符串，每一个二进制位有 0

和 1 两种状态，通过不同的排列组合，使用 0 和 1 就可以表示世界上所有的东

西。

在计算机种中， 1 字节对应 8 位二进制数，而每位二进制数有 0 、 1 两种状态，

因此 1 字节可以组合出 256 种状态。如果这 256 中状态每一个都对应一个符

号，就能通过 1 字节的数据表示 256 个字符。美国人于是就制定了一套编码

（其实就是个字典），描述英语中的字符和这 8 位二进制数的对应关系，这被

称为 ASCII 码。

ASCII 码一共定义了 128 个字符，例如大写的字母 A 是 65 （这是十进制数，对

应二进制是 0100 0001 ）。这 128 个字符只使用了 8 位二进制数中的后面 7

位，最前面的一位统一规定为 0 。

 

但是随着计算机的全球普及， 128 个字符无法保存其他国家的字符。因此出现了

很多自己国家的编码，例如中国的 GB2312 编码 , 日本把日文编到 Shift_JIS 里，韩 国把韩文编到 Euc­kr 里。这样就解决了各个国家保存字符的问题。但是，如果在

中国使用 GB2312 编码写的内容，我们使用 U 盘拷一份去日本然后再使用日本的

电脑打开，就会出现乱码。为了解决这个问题，出现了 ‘ 万国码 ’Unicode 。

Unicode 规定了世界上所有的字符都对应一个唯一的编号，但是没有规定在电脑

上怎么保存。例如 ’ 我 ’ 这个字符对应的编号是 ‘12345’ ，这个 ‘12345’ 这个编码具体

怎么在电脑上保存 ( 占两个字节还是占三个字节 )Unicode 没有规定。

UTF­8 编码是对 Unicode 的具体实现， UTF­8 规定了字符在电脑上的保存形式。

UTF­8 最大特点就是可变长。它可以使用 1 ­ 4 个字节表示一个字符，根据字符

的不同变换长度。

英文还是占 1 个字节，中文占 3 个字节。

注 :

UTF­8 编码实现了 ASCII 码的向后兼容，对于英文中的 0 ­ 127 号字符，与 ASCII

码完全相同。使用 ASCII 码编写的内容，使用 UTF­8 同样能打开。