python 編碼

ASCII碼 表示127個英文字元

每個中文需要使用兩個位元組來編碼，中文編碼的規則 —— GB2312
由於不同國家有不同的編碼規則，如日本，韓國都使用各自國家的編碼規則，在多語言混用的場合會出現混亂。

Unicode 用來把所有語言都統一到一套編碼裡，這樣就不會再有亂碼問題了。

Unicode 通常用兩個位元組編碼（有的也用四個位元組），而ASCII碼通常用一個位元組位元組

ASCII碼轉換成Unicode在前面一個位元組補0

UTF-8編碼把一個Unicode字元根據不同的數字大小編碼成1-6個位元組，常用的英文字母被編碼成1個位元組，漢字通常是3個位元組，只有很生僻的字元才會被編碼成4-6個位元組。如果你要傳輸的文字包含大量英文字元，用UTF-8編碼就能節省空間

UTF-8的一個好處在於，原有的ASCII的編碼可以在UTF-8下繼續工作。

搞清楚了ASCII、Unicode和UTF-8的關係，我們就可以總結一下現在計算機系統通用的字元編碼工作方式：

在計算機記憶體中，統一使用Unicode編碼，當需要儲存到硬碟或者需要傳輸的時候，就轉換為UTF-8編碼。

用記事本編輯的時候，從檔案讀取的UTF-8字元被轉換為Unicode字元到記憶體裡，編輯完成後，儲存的時候再把Unicode轉換為UTF-8儲存到檔案：

rw-file-utf-8

瀏覽網頁的時候，伺服器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器：

web-utf-8

所以你看到很多網頁的原始碼上會有類似的資訊，表示該網頁正是用的UTF-8編碼。

首先要搞清楚，字串在Python內部的表示是unicode編碼，因此，在做編碼轉換時，通常需要以unicode作為中間編碼，即先將其他編碼的字串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。

decode的作用是將其他編碼的字串轉換成unicode編碼，如str1.decode(‘gb2312’)，表示將gb2312編碼的字串轉換成unicode編碼。

encode的作用是將unicode編碼轉換成其他編碼的字串，如str2.encode(‘gb2312’)，表示將unicode編碼的字串轉換成gb2312編碼。