【Python自学】03.字符串和编码（上）

　　打了鸡血，一天二更

　　　　　


　 　之前也说过字符串是一种数据类型，但是它比较特殊，主要是因为编码问题。既然如此，先搞清楚下计算机编码的相关内容。

计算机编码 　

只处理数字，要处理文本就得先把文本转为数字才能处理。

早期设计 8 bit 表示一个字节，一字节表示最大整数 11111111=十进制255

两字节可表示最大65535，四字节4294967295

世界上有上百种语言，不同的国家可能有不同的标准，例如 ASCII 和 GB

ASCII编码：

　　美国人最早只把127个字母编码进计算机去，大小写英文字母、数字和符号。例如大写 A 编码 65，小写 z 编码是122。

GB2312编码：

　　我国为了计算机处理中文（需要至少两个字节），创建的一种与 ASCII 编码不冲突的编码。

Unicode标准/编码

　　因为各国标准不一，创的编码也许完全不同，所以会不可避免地出现冲突，结果就是在多语言混合的文本当中，显示出来一堆的乱码。于是乎，Unicode标准就是在此时应运而生，将所有语言统一到一套编码里面。

常用两个字节表示一个字符，非常偏僻的字符用上 4 个

现代大多数操作系统和编程语言都支持该编码

ASCII与Unicode的区别：

　ASCII编码是 1 字节，而Unicode通常是2字节

　ASCII编码中，A 是十进制的65（010000001），字符 0 是十进制的48（00110000）（注意‘0’和0不同）。汉字已经超出 ASCII 编码范围，而 Unicode 的十进制是20013（01001110 00101101）

　如果要将 ASCII 编码中的 A 改为 Unicode 编码，前面补 0 即可：00000000 01000001　

UTF-8编码：

如果全是用 Unicode 编码，乱码解决了，但是写的文本全英，用 Unicode 编码比 ASCII 编码需要多一倍的存储空间，在存储和传输上就非常不划算。于是乎节约版“可变长编码”UTF-8又横空出世。

把 Unicode 字符根据不同数字大小编写成 1-6 个字节：　　　　

　　常用英文字幕编成１字节

汉字通常编写成3个字节，很生僻的字符编写成 4-6 个字节

优点：

　　如果传输的文本包含大量英文字符，将节省大部分空间

　　大量支持 ASCII 编码的历史遗留软件可以在 UTF-8 编码下继续工作。

目前计算机系统通用的字符编码工作方式

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成为 UTF-8 编码。

使用笔记本编辑时：

　　　 　　　　　　　


浏览器：

　　　　　　　　　　


　　很多网页上的源码有类似的信息，表示该网页正是用的 UTF-8 编码。

　　好多文字…基本上搬过来了，嘛，随便看看得了