python編碼問題

標籤：python編碼   bytes編碼   Unicode編碼   python3編碼   

基本常識
ASCII編碼是1個位元組bytes，而Unicode編碼通常是2個位元組
1bytes=8bit
在電腦記憶體中，統一使用Unicode編碼，當需要儲存到硬碟或者需要傳輸的時候，就轉換為UTF-8編碼。

字母"A"用ASCII編碼是十進位的65，二進位的01000001；
字元"0"用ASCII編碼是十進位的48，二進位的00110000，注意字元‘0‘和整數0是不同的；
漢字"中"已經超出了ASCII編碼的範圍，用Unicode編碼是十進位的20013，二進位的01001110 00101101，1個位元組的ASCII編碼已經不能滿足。

可以猜測，如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可以，因此，A的Unicode編碼是00000000 01000001，
區別：一個是1位元組一個是2位元組。

試想如果你的文本全是英文，用Unicode編碼比ASCII編碼需要多一倍的儲存空間，在儲存和傳輸上就十分不划算，因為Unicode是2個位元組，一個位元組可以表示完所有的英文字母單詞。

所以，本著節約的精神，又出現了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字元根據不同的數字大小編碼成1-6個位元組，常用的英文字母被編碼成1個位元組，漢字通常是3個位元組，只有很生僻的字元才會被編碼成4-6個位元組。如果你要傳輸的文本包含大量英文字元，用UTF-8編碼就能節省空間的：

字元	ASCII	Unicode	UTF-8
A	01000001	00000000 01000001	01000001
中	沒有	01001110 00101101	11100100 10111000 10101101

表格還可以發現，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上可以被看成是UTF-8編碼的一部分，所以，大量只支援ASCII編碼的曆史遺留軟體可以在UTF-8編碼下繼續工作。

相關串連：1
相關串連：2

python編碼問題