python常用編碼 Unicode & UTF-8

在python中要使用中文的話，需要在前2行加入

# coding=utf-8
           

或者

# -*- coding: utf-8 -*-
           

因為python預設采用ASCII編碼，而ASCII編碼并沒有包含中文字元。

計算機中以二進制來存儲資訊，計算機最先在美國出現，美國人用8 bit（即8個二進制碼）來表示單個字元。

為了在計算機中使用中文，中國誕生了GB2312和GBX等中文編碼，但是各個國家各自搞一套編碼不好交流

ISO組織頒布了Unicode編碼，後面又誕生了UTF-8。

一、ASCII 編碼

1、編碼長度：8位 ，定長

2、編碼規則：

a、0x00～0x1f 及0x7f (共33個)是控制字元或通信專用字元（其餘為可顯示字元），如控制符：LF（換行）、CR（回車）、FF（換頁）、DEL（删除）、BS（倒退)、等；

ASCII值為8、9、10 和13 分别轉換為倒退、制表、換行和回車字元。

b、32～126(共95個)是字元(32是空格），其中48～57為0到9十個阿拉伯數字。

c、65～90為26個大寫英文字母，97～122号為26個小寫英文字母，其餘為一些标點符号、運算符号等。

3、可用字元：英文，數字，半角符号

二、Unicode

1、編碼長度：16位，定長

2、編碼規則：Unicode 的編碼方式與 ISO 10646 的通用字元集(亦稱[通用字元集])（Universal Character Set，UCS）概念相對應，目前的用于實用的 Unicode 版本對應

于 UCS-2，使用16位的編碼空間。也就是每個字元占用2個位元組。這樣理論上一共最多可以表示 216 個字元。基本滿足各種語言的使用。實際上目前版本的 Unicode

  尚未填充滿這16位編碼，保留了大量空間作為特殊使用或将來擴充。

3、可用字元：中文、英文、各國文字

三、UTF-8

1、編碼長度：單位元組字元8位，變長

2、編碼規則：

a、單位元組的字元，位元組第一位為0，對于英文字母、數字和符号，UTF-8隻占用一個位元組，和ASCII碼一樣

b、多位元組的字元（字元數為n，n>1），第一個位元組前n位為1，第n+1為0，剩餘的（n-1）個位元組開頭用10****** ，後面用Unicode補齊，同時高位補0

3、可用字元：中文、英文、各國文字

UTF-8是面向傳輸的，它在保證傳輸各國文字的同時，減少了傳輸過程中所需要的碼元數量，簡單來說流量和硬碟空間的消耗。