几种字符编码

本文参考廖雪峰老师的Pyhton教程

几种编码

ASCII

计算机只能处理0和1，所有的文本都要转换成数字才能处理。早期计算机在设计时采用8个比特(bit)为一个字节，计算机是由美国人发明的，他们将26个字母、数字和一些符号编码到计算机中。一个字节（8位）表示，最多能表示128种字符，称为ASCII码。

Unicode

非英语国家只能规定适用自己语言的编码，如中国制定了GB2312编码，日本制定了Shift_JIS编码，韩国制定了Euc-kr编码。如此以来，各国执行不同的标准，如果文本同时出现多种语言，则无法正常显示，会有乱码。

所以Unicode应运而生，它把所有语言都统一到一套编码里，这样就不会出现显示乱码问题了。

上面说到，ASCII采用1个字节编码，Unicode通常采用2个字节编码，所以最大能表示65536种字符。

字母A用ASCII码表示是十进制的65，二进制中是`0100 0001

字符0用ASCII码表示是十进制的48，二进制中是0011 0000。注意，字符0和整数0是不同的。字符用ASCII码表示只占一个字节，十进制为48，整数0在c语言中占2个字节 ，十进制为0。

汉字中已经超出了ASCII码的范围，在Unicode中，十进制表示为20013，二进制为01001110 00101101

那么字符A在Unicode中怎么表示呢？

直接在其ASCII码的二进制表示前加0即可，即00000000 01000001

UTF-8

采用Unicode统一编码的方式，解决了多语言冲突显示乱码的问题，但是

Unicode有一个问题，如果我写的文本基本为英文的话，采用unicode编码的话，该文件所占用的内存空间比采用ASCII编码多一倍，在存储和传输上就极不划算。

由此，人们想出了把Unicode编码转换成“可变长编码”的UTF-8编码，UTF-8编码把Unicode中的字符按不同的数字大小编码成1-6个字节，英文通常为1个字节，汉字通常为3个字节，只有极其生僻的字符才可能用到4-6个字节。如果要传输的文本以英文为主，则采用UTF-8编码能节省大量的存储空间。

从上面表格还可以发现，UTF-8已经将ASCII码包含进来了，所以一些历史遗留的只支持ASCII码的软件可以在UTF-8下继续使用。

ps: 以前也看过这几个编码，勉强知道个大概意思，但很难理解，直到看到廖老师的教程，感觉突然间豁然开朗。