Python基础09—Python的字符编码与进制（2022年）

---

1. 进制

1.1 二进制

二进制是计算技术中广泛采用的一种数制。二进制数据是用0和1两个数码来表示的数。它的基数为2，进位规则是“逢二进一”，借位规则是“借一当二”，由18世纪德国数理哲学大师莱布尼兹发现。当前的计算机系统使用的都是二进制系统，数据在计算机中主要是以补码的形式存储的。计算机中的二进制则是一个非常微小的开关，用“开”来表示1，“关”来表示0。

1.2 十六进制

16进制，英文名称Hexadecimal(简写Hex)， 在数学中是一种逢16进1的进位制。一般用数字0到9和字母A到F（或a_{f）表示，其中:A}F表示10~15，这些称作十六进制数字，比如十进制13用16进制表示是D, 28用16进制是1C。

16进制在计算机领域应用普遍，常见的有html\css的颜色表、mac地址、字符编码等都用16进制来表示。 这是因为将4个位元（Bit）化成单独的16进制数字不太困难。1字节可以表示成2个连续的16进制数字。可是，这种混合表示法容易令人混淆，因此需要一些字首、字尾或下标来显示

2. 编码

2.1 ASCII码

ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）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。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。

一个空格对应的数字是0 翻译成二进制就是0（注意字符’0’和整数0是不同的）
一个对勾√对应的数字是251 翻译成二进制就是11111011

2.2 GB2312 & GBK

如果2个字节连在一起，且每个字节的第1位(也就是相当于128的那个2进制位)如果是1，就代表这是个中文，这个首位是128的字节被称为高字节。

1995年， gb2312,加入更多字符，这个编码叫GBK，一直到现在，我们的windows电脑中文版本的编码就是GBK.

2.3 UTF-8

为了解决存储和网络传输的问题，出现了Unicode Transformation Format，学术名UTF，即：对unicode字符进行转换，以便于在存储和网络传输时可以节省空间!

• 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。

2.4 常用编码介绍一览表

编码	制定时间	作用	所占字节数
ASCII	1967年	表示英语及西欧语言	8bit/1bytes
GB2312	1980年	国家简体中文字符集，兼容ASCII	2bytes
Unicode	1991年	国际标准组织统一标准字符集	2bytes
GBK	1995年	GB2312的扩展字符集，支持繁体字，兼容GB2312	2bytes
UTF-8	1992年	不定长编码	1-3bytes

Python3推出后,默认编码改成了unicode, 文件存储编码变成了utf-8