python中的字符编码问题

字符编码问题

ASCII：

ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统。 

ASCII码和字符之间的转换：

• ord()   将字符转换为ASCII码(十进制)
  chr()   将ASCII码(十进制)转换为字符
  
  例如：
      print(ord('a'))         #打印 97
      print(chr(97))          #打印 a
  

GBK编码：

GBK2312（6700多汉字） --> GBK1.0（1995年推出，20000余汉字） --> GBK18030 （2000年推出，27000余汉字）

unicode：

Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。支持所有的国家和地区的编码；2**16次方即支持65535个字符位；所有字符统一占用2个字节；

UTF-8：

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码。由Ken Thompson于1992年创建。现在已经标准化为RFC 3629。UTF-8用1到6个字节编码Unicode字符。原本西方国家的ASCII字符占用一个字符，改用unicode之后，变成了2个字符，为了解决占用内存空间的问题，才产生了utf-8字符集。统一规定，原本ASCII的字符占用一个字节，欧洲国家(德语等)占用2个字节，东亚国家的占用3个字节。

python中的字符编码

python2中，默认字符编码为ASCII

python3中，默认字符编码为unicode；文件默认编码是utf8

字符编码转换

• python2中：

      decode()方法将其他编码字符转化为Unicode编码字符。 
      encode()方法将Unicode编码字符转化为其他编码字符。
  

• python3中：

      decode()方法将其他编码字符转化为Unicode编码字符。字符串
      encode()方法将Unicode编码字符转化为其他编码字符。字节码	
  

例如(python3中)：

    "hello world".encode('utf8')        # 指定encode到utf8编码格式；python3中默认的unicode的；

python3 除了把字符串的默认编码改成了unicode, 还把 str 和 bytes 做了明确区分， str 就是unicode格式的字符， bytes就是单纯二进制；