python字符编码

Posted 2021-12-10

字符编码

一、ascii码：

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，最多只能用8位标识，即2**8=256-1,所以最多只能表示255个字符。

计算机沿用中国，中文显然远大于255字符，必须要对中文进行编码

二、中文编码

为处理汉字，程序设计用于简体中文GB2132和繁体中文big5

GB2312(1980年) 共7445个字符，包括6763个汉字和682个其它符号，
GBK1.0（1995年）收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符
GB18030(2000)取代GBK1.0证实成为国家标准。该标准收录了27484个汉字，同时还收录了藏文、蒙文、维吾尔文等主要的少数民族文字。现在的PC平台必须支持GB18030，对嵌入式产品暂不作要求。所以手机、MP3一般只支持GB2312。
总结：1、从ASCII，GB2312，GBK到GB18030,编码方法向下兼容。
2、中文版Windows的缺省内码还是GBK，可以通过GB18030升级包升级到GB18030

三、unicode码

显然ASCII码无法将世界上的各种文字和符号全部表示，所以，就需要新出一种可以代表所有字符和符号的编码，即：Unicode。它为每种语言中每个字符设定了统一并且唯一的二进制编码。最少2个字节，可能更多

四、utf-8：

对Unicode编码的压缩和优化，他不再使用最少使用2个字节，而是将所有的字符和符号进行分类：ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存，东亚的字符用3个字节保存...