1. 字符編碼的常用種類(lèi)介紹

• 第一種：ASCII碼

ASCII（American Standard Code for Information Interchange，美國(guó)信息交換標(biāo)準(zhǔn)代碼）是基于拉丁字母的一套電腦編碼系統(tǒng)，主要用于顯示現(xiàn)代英語(yǔ)和其他西歐語(yǔ)言。它是現(xiàn)今最通用的單字節(jié)編碼系統(tǒng)，并等同于國(guó)際標(biāo)準(zhǔn)ISO/IEC 646。如下圖所示：

由于計(jì)算機(jī)是美國(guó)人發(fā)明的，因此，最早只有127個(gè)字母被編碼到計(jì)算機(jī)里，也就是大小寫(xiě)英文字母、數(shù)字和一些符號(hào)，這個(gè)編碼表被稱(chēng)為ASCII編碼，比如大寫(xiě)字母 A的編碼是65，小寫(xiě)字母 a的編碼是97。后128個(gè)稱(chēng)為擴(kuò)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(jì)算機(jī)中最小的表示單位，每8個(gè)bit組成一個(gè)字符，這是計(jì)算機(jī)中最小的存儲(chǔ)單位。

• 常見(jiàn)換算單位：

bit 位，計(jì)算機(jī)中最小的表示單位 8bit = 1bytes 字節(jié)，最小的存儲(chǔ)單位，1bytes縮寫(xiě)為1B 1KB=1024B 1MB=1024KB 1GB=1024MB 1TB=1024GB

• 第二種：GBK 和 GB2312

對(duì)于我們來(lái)說(shuō)能在計(jì)算機(jī)中顯示中文字符是至關(guān)重要的，然而ASCII表里連一個(gè)偏旁部首也沒(méi)有。所以我們還需要一張關(guān)于中文和數(shù)字對(duì)應(yīng)的關(guān)系表。一個(gè)字節(jié)只能最多表示256個(gè)字符，要處理中文顯然一個(gè)字節(jié)是不夠的，所以我們需要采用兩個(gè)字節(jié)來(lái)表示，而且還不能和ASCII編碼沖突，所以，中國(guó)制定了GB2312編碼，用來(lái)把中文編進(jìn)去。

• 第三種：Unicode

但如以來(lái)，就會(huì)出現(xiàn)一個(gè)問(wèn)題，各個(gè)國(guó)家都一套自己的編碼，就不可避免會(huì)有沖突，這是該怎么辦呢？

因此，Unicode應(yīng)運(yùn)而生。Unicode把所有語(yǔ)言都統(tǒng)一到一套編碼里，這樣就不會(huì)再有亂碼問(wèn)題了。

Unicode標(biāo)準(zhǔn)也在不斷發(fā)展，但最常用的是用兩個(gè)字節(jié)表示一個(gè)字符（如果要用到非常偏僻的字符，就需要4個(gè)字節(jié)）。現(xiàn)代操作系統(tǒng)和大多數(shù)編程語(yǔ)言都直接支持Unicode。

現(xiàn)在，分析一下ASCII編碼和Unicode編碼的區(qū)別：

ASCII編碼是1個(gè)字節(jié)，而Unicode編碼通常是2個(gè)字節(jié)。

• 字母A用ASCII編碼是十進(jìn)制的65，二進(jìn)制的01000001；

• 字符0用ASCII編碼是十進(jìn)制的48，二進(jìn)制的00110000；

漢字"中"已經(jīng)超出了ASCII編碼的范圍，用Unicode編碼是十進(jìn)制的20013，二進(jìn)制的01001110 00101101。

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

但如果統(tǒng)一成Unicode編碼，亂碼問(wèn)題從此消失了。但是，如果你寫(xiě)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(chǔ)空間，在存儲(chǔ)和傳輸上就十分不劃算。

• 第四種：UTF-8

基于節(jié)約的原則，出現(xiàn)了把Unicode編碼轉(zhuǎn)化為"可變長(zhǎng)編碼"的UTF-8編碼。UTF-8編碼把一個(gè)Unicode字符根據(jù)不同的數(shù)字大小編碼成1-6個(gè)字節(jié)，常用的英文字母被編碼成1個(gè)字節(jié)，漢字通常是3個(gè)字節(jié)，只有很生僻的字符才會(huì)被編碼成4-6個(gè)字節(jié)。如果你要傳輸?shù)奈谋景罅坑⑽淖址?#xff0c;用UTF-8編碼就能節(jié)省空間了。

如下所示：

從上面的表格還可以發(fā)現(xiàn)，UTF-8編碼有一個(gè)額外的好處，就是ASCII編碼實(shí)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(xù)工作。

我們總結(jié)一下現(xiàn)在計(jì)算機(jī)系統(tǒng)通用的字符編碼工作方式：

在計(jì)算機(jī)內(nèi)存中，統(tǒng)一使用Unicode編碼，當(dāng)需要保存到硬盤(pán)或者需要傳輸?shù)臅r(shí)候，就轉(zhuǎn)換為UTF-8編碼。

用記事本編輯的時(shí)候，從文件讀取的UTF-8字符被轉(zhuǎn)換為Unicode字符到內(nèi)存里，編輯完成后，保存的時(shí)候再把Unicode轉(zhuǎn)換為UTF-8保存到文件。

如下圖：

總結(jié)

以上是生活随笔為你收集整理的Python常用字符编码的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。