Python字符串编码

一、编码方式发展史

   因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。一个字节 = 八个比特，所以一个字节所能表示的最大整数为255。由于，计算机是美国人发明的，因此最早只有127个字符被编码到计算机里，也就是大小写字母、数字和一些符号，这个编码表被称为ASCII编码。

 但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以中国制定了GB2312编码，用来把中文编进去。那么问题来了，全世界这么多种语言，那岂不是要对应多种编码？但是，当这些语言混在一起时，肯定会出现编码冲突。如何解决这个问题呢？Unicode编码应运而生。

 Unicode编码把所有语言统一到一套编码里，这样就不会有乱码了，Unicode编码通常用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代计算机操作系统和大多数编程语言都支持Unicode编码。所以Unicode和ASCII编码最大的区别就在于：ASCII编码是一个字节，Unicode通常是两个字节，当然ASCII里的字符Unicode里面都有。不难想象，ASCII编码的 A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。

  这样做的话，乱码问题得到了解决，但新的问题又出现了：如果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，在储存和运输上十分不划算。所以UTF-8编码应运而生。

  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，常用的英文被编码成一个字节，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字节。如果要传输的文本有大量英文字符的话，用UTF-8编码会就能节省空间。

   从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

  二、计算机系统通用的字符编码工作方式

  从上面，可以看出ASCII、Unicode和UTF-8的关系，那么计算机系统通用的字符编码工作方式是怎样的呢？

 在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者传输的时候，就转换为UTF-8编码。用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件，如下图所示：

浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

三、Python3的字符串编码格式

  在最新的Python3版本中，字符串是以Unicode编码的，也就是说Python3的字符串支持多语言。

  对于单个字符编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换成对应的字符，如下：

如果你知道了字符的整数编码，还可以用十六进制这么写str：