About Coding

简述

所有编码都是二进制到真实字符的映射

无论是是ASCII，ISO，GBK，还是unicode

只不过上面这些编码规则中，每一种二进制对应的字符不相同。

UTF-8

UTF-8(Unocde Transformation Format)是一种传输格式，是一种unicode的实现方式。

UTF-8是变长的

UTF-8用前置的1来表示需要的字节数

• 1 字节 0000 0000 -- 0000 007f (0x80 - 1)
  • 0xxxxxxx
• 2 字节 0000 0080 -- 0000 07ff
  • 110xxxxxx 10xxxxxx
• 3 字节 0000 0800 -- 0000 ffff
  • 1110xxxxx 10xxxxxx 10xxxxxx
• 4 字节 0001 0000 -- 0010 ffff
  • 11110xxxx 10xxxxxx 10xxxxxx 10xxxxxx

Encoding in Python

下面这些内容可能有误

Python2

str类型是二进制根据一定编码规则（GBK，UTF等等），encode之后的结果，个人理解为显示的结果，也就是对应的可见的字符。同一段二进制可以被不同的编码规则encode成不同的字符。

测在unicode中对应的二进制为0x6d4b。

在utf-8的传输格式下，编码为\xe6\xb5\x8b。
在GBK的传输格式下，编码为\xb2\xe2。

在保存一个文件时，可以选择以不同的编码方式进行保存。同一个字，在用'utf-8'进行保存时，文件内容为\xe6\xb5\x8b,用GBK进行保存时，文件内容为\xb2\xe2。