编码

• 编码的种类
• ASCII：占1个字节，只支持英文
• GB2312：占2个字节，支持6700+汉字
• GBK：GB2312的升级版，支持2100+汉字
• Shift+JIS：日本字符
• ks_c_5601-1987：韩国编码
• TIS-620：泰国编码
• unicode：2-4个字节，万国码，涵盖了全球所有文字和二进制的对应关系
• 直接支持全球所有语言，每个国家都可以不用再使用自己之前的旧编码，用unicode就可以了。（跟英语是全球通用语言一样）
• 不同国家的字符都可在unicode中找到映射关系，相互转换
• 至少使用2个字节，对英文字符这类的，比ASCII多用一倍的内存，浪费空间，因此有了UTF编码
• UTF
• UTF-8：使用1、2、3、4个字节表示所有字符；优先使用1个字符、无法满足则使增加一个字节，最多4个字节。英文占1个字节、欧洲语系占2个、东亚占3个，其它及特殊字符占4个
• UTF-16： 使用2、4个字节表示所有字符；优先使用2个字节，否则使用4个字节表示。
• UTF-32： 使用4个字节表示所有字符；
• 总结：UTF 是为unicode编码 设计 的一种 在存储 和传输时节省空间的编码方案。
• 编码的转换
  • 解码，编码：GBK和utf-8之间的转换，先将GKB格式解码成unicode，再将unicode编码成utf-8
  • 所有的软件，编程语言都默认支持unicode，那你的gbk软件放到美国人的电脑上，加载到内存里，变成了unicode，中文就可以正常展示了。

• python2
• 内存中字符默认编码是ASCII，默认文件编码也是ASCII
• 当声明了文件头的编码后，字符串的编码就按文件编码来，总之，文件编码是什么，那py2的str就是什么编码
• python2中的unicode是一个单独的类型，用u'路飞'来表示
• python2 str == bytes，bytes直接是按字符编码存成的2进制格式存在内存里，通常用bytes表示图片、视频等二进制格式的数据
• 以utf-8编码的字符串，在windows上不能显示
• 如何在python2实现写一个软件，在全球各国电脑上，直接看？
  • 以unicode编码写你的软件
• python3
  • 字符串都是unicode，str = unicode，只有str类型，没有单独的unicode类型
  • 文件编码默认是utf-8，读到内存会被python解释器自动转成unicode
  • bytes与str做了明确区分
  • 所有的unicode字符编码后都会变成bytes格式
• 文件头
  • python2：以utf-8 or gbk..编码的代码，代码内容加载到内存，并不会被转成unicode，编码依然是utf-8 or gbk...
  • python3：以utf-8 or gbk..编码的代码，代码内容加载到内存，会被自动转成unicode
• 常见编码错误
  • python解释器的默认编码
  • python源文件文件编码
  • Terminal使用的编码
  • 操作系统的语言设置