字符串和编码

ascii:

起始只有ascii编码。用一个字节保存。而一个字节只有8位。范围在-128~127之间。

解释下为什么是-128~127之间：因为首位0表示正数，1表示负数。

故正数最大为01111111=127

按理负数最大11111111=-127。但实际上没有-0这种说法也就是10000000不代表-0，所以10000000=-128。故一个字节是-128~127。

言归正传，故ascii只存了127个字母。包括大小写字母和一些符号。

很显然处理中文是远远不够的，至少需要两个字节。故中国制定了GB2312编码，用来把中文编进去。日本也有Shift_JIS韩国也有Euc-kr。这样太混乱。于是诞生了Unicode。

Unicode:

Unicode把所有语言都统一到一套编码里。用两个字节来表示。如果用到非常偏僻的字符用4个字节。这样的话乱码问题就消失了。但是出现了一个新问题。如果英文字符非常多的话。用Unicode就会比ascii多一倍的空间。Unicode两个字节，而ascii一个字节。为了解决这个问题就诞生了UTF-8。

UTF-8：

UTF-8根据不同数字大小编码成1-6个字节。英文字母是一个字节，常用汉字3个字节。如果你的文本包含大量英文字符，用UTF-8就能节省空间。而且UTF-8是支持ascii编码的。

顺便提一下：GBK是GB2312的扩展。使用了双字节的编码方案。并且与Unicode兼容。

我们再来看一下计算机系统中的字符编码问题：



读取文件时，先把UTF-8转换成Unicode放在内存里。保存时再把Unicode转成UTF-8保存到文件里。



浏览网页时，服务器会把动态生成的Unicode转换成UTF-8再传输到浏览器。

参考：廖雪峰的Python教程。