字符编码与二进制

Posted 2020-10-13 零之寒怒

字符编码

Python 解释器在加载.py文件中的代码是，会对内容进行编码（默认ascII）

ASCII（American Standard Code for Iformation Interchange，美国标准信息交换代码）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，其最多只能用8位来表示（一个字节），即2**8=256-1,所以ASCII码最多只能表示255个符号。

                                                    ASCII 字符代码表 一

关于中文

为了处理汉字，程序员设计了用于简体中文的GB2312和用于繁体中文的big5。

GB2312（1980年）一共收录了7445个字符，包括6763个汉字和682个其他符号。汉子去的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。

GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号，他分为汉字区和图文符号区。汉字区包括21003个字符。2000年的GB18030是取代GBK1.0的正式国家标准。该标准收收录了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只支持GB2312.

从ASCII、GB2312、GBK到GB18030，这些编码方法是向下兼容的，即同一个字符在这些方案中总是有相同的编码，后面的标准支持更多的字符。在这些编码中，英文和中文可以统一地处理。区分中文编码的方法是高字节的最高位不为0.按程序员的称呼，GB2312、GBK到GB18030都属于双字节字符集（DBCS）。

有的中文Windows的缺省内码还是GBK，可以通过GB18030升级包升级到GB18030。不过GB18030相对GBK增加的字符，普通人是很难用到的，通常我们还是用GBK指代中文Windows内码。

 

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

Unicode(统一码，万国码，单一码)是一种在计算机上使用的字符编码，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，规定所有的字符和符号最少由16位来表示（2个字节），即：2**16=65536，

注：此处说的是最少2个字节，可能更多；

UTF-8，是对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......

所以，Python解释器在加载.py文件中的代码时，会对内容进行编码（默认ascii），如果是如下代码的话：

报错：ascii码无法表示中文

#！/usr/bin/env python

print("你好，世界")

　　改正：应该显示的告诉Python解释器，用什么编码来执行源代码，即：

#！/usr/bin/env python
#-*-coding:utf-8 -*-

print ("你好，世界")

注释

       当行注释：# 被注释内容

       多行注释：\'\'\'被注释内容\'\'\'