有关字符串与编码的问题，理解UTF-8编码原则

目录

字符编码

ASCII码

BG2312码

UTF-8编码

字符编码工作方式

---

最近在进行毕业设计的选题方向，找到一个有关树莓派实现语音对话机器人的项目。想做一个出来玩，但是苦于之前的懈怠，没有学会python，于是今天在学python中偶然看到关于字符编码的知识，在此做一个记录。

大部分内容摘抄至廖雪峰老师的官方网站，有兴趣者可自行寻找

字符串和编码 - 廖雪峰的官方网站

字符编码

字符串比较特殊的是还有一个编码问题。

因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。

ASCII码

由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里（ASCII码共127个字符），也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。

BG2312码

如果计算机要处理中文，显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

其实这里我对于计算机如何处理中文十分好奇，以后有时间了再处理。

UTF-8编码

终于写到重头戏了，UTF-8编码的前身是Unicode字符集。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

字符	ASCII	Unicode	UTF-8
A	01000001	00000000 01000001	01000001
中	x	01001110 00101101	11100100 10111000 10101101

从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

字符编码工作方式

搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在计算机系统通用的字符编码工作方式：

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：

---

浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

所以你看到很多网页的源码上会有类似<meta charset="UTF-8" />的信息，表示该网页正是用的UTF-8编码。