1. 字符編碼的常用種類介紹

• 第一種：ASCII碼

ASCII（American Standard Code for Information Interchange，美國信息交換標準代碼）是基于拉丁字母的一套電腦編碼系統，主要用于顯示現代英語和其他西歐語言。它是現今最通用的單字節編碼系統，并等同于國際標準ISO/IEC 646。如下圖所示：

由于計算機是美國人發明的，因此，最早只有127個字母被編碼到計算機里，也就是大小寫英文字母、數字和一些符號，這個編碼表被稱為ASCII編碼，比如大寫字母 A的編碼是65，小寫字母 a的編碼是97。后128個稱為擴展ASCII碼。

在這里，每一位0或者1所占的空間單位為bit(比特)，這是計算機中最小的表示單位，每8個bit組成一個字符，這是計算機中最小的存儲單位。

• 常見換算單位：

bit 位，計算機中最小的表示單位 8bit = 1bytes 字節，最小的存儲單位，1bytes縮寫為1B 1KB=1024B 1MB=1024KB 1GB=1024MB 1TB=1024GB

• 第二種：GBK 和 GB2312

對于我們來說能在計算機中顯示中文字符是至關重要的，然而ASCII表里連一個偏旁部首也沒有。所以我們還需要一張關于中文和數字對應的關系表。一個字節只能最多表示256個字符，要處理中文顯然一個字節是不夠的，所以我們需要采用兩個字節來表示，而且還不能和ASCII編碼沖突，所以，中國制定了GB2312編碼，用來把中文編進去。

• 第三種：Unicode

但如以來，就會出現一個問題，各個國家都一套自己的編碼，就不可避免會有沖突，這是該怎么辦呢？

因此，Unicode應運而生。Unicode把所有語言都統一到一套編碼里，這樣就不會再有亂碼問題了。

Unicode標準也在不斷發展，但最常用的是用兩個字節表示一個字符（如果要用到非常偏僻的字符，就需要4個字節）。現代操作系統和大多數編程語言都直接支持Unicode。

現在，分析一下ASCII編碼和Unicode編碼的區別：

ASCII編碼是1個字節，而Unicode編碼通常是2個字節。

• 字母A用ASCII編碼是十進制的65，二進制的01000001；

• 字符0用ASCII編碼是十進制的48，二進制的00110000；

漢字"中"已經超出了ASCII編碼的范圍，用Unicode編碼是十進制的20013，二進制的01001110 00101101。

如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可以，因此，A的Unicode編碼是00000000 01000001。

但如果統一成Unicode編碼，亂碼問題從此消失了。但是，如果你寫的文本基本上全部是英文的話，用Unicode編碼比ASCII編碼需要多一倍的存儲空間，在存儲和傳輸上就十分不劃算。

• 第四種：UTF-8

基于節約的原則，出現了把Unicode編碼轉化為"可變長編碼"的UTF-8編碼。UTF-8編碼把一個Unicode字符根據不同的數字大小編碼成1-6個字節，常用的英文字母被編碼成1個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4-6個字節。如果你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間了。

如下所示：

從上面的表格還可以發現，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上可以被看成是UTF-8編碼的一部分，所以，大量只支持ASCII編碼的歷史遺留軟件可以在UTF-8編碼下繼續工作。

我們總結一下現在計算機系統通用的字符編碼工作方式：

在計算機內存中，統一使用Unicode編碼，當需要保存到硬盤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，從文件讀取的UTF-8字符被轉換為Unicode字符到內存里，編輯完成后，保存的時候再把Unicode轉換為UTF-8保存到文件。

如下圖：

總結

以上是生活随笔為你收集整理的Python常用字符编码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。