1. ASCII码
- 由于计算机是美国发明的，因此，最早只有127个字符被编码到计算机，也就是大小写英文字母、数字和些符号，这个编码表被称为 ASCII 编码，A 的编码是 65 ，z 的编码是 122 。后128个称为扩展ASCII码。
- 由于这些字符串长短不一，写在一起让我们难以分清字符的起始位置，所以就这255个字符，那最长的也不过是111111111B位，我们就把所有的10进制都转换成8位的2进制。
2.GB2312 & GBK
英文问题是解决了， 我们中文如何显示呢？我们1980年设计出了GB2312编码表，如下，共存了6763个汉字。
- 这个表格很大，像上面的字区域有72个，这导致通过1个字节是没办法表示1个汉字的(因为1个字节最多允许256个字符变种，现在6千多个，只能2个字节啦， 2**16=65535个变种)。
- 但是还有中英文混杂的情况，这就要求你必须在gb2312同时支持中英文，但是还不能是2个字节表示1个英文字母（原本1字节就行），不然存储容量直接翻倍。
- 因此，做如下判断：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MSB位是128的字节被称为高字节。 也就是2个高字节连在一起，必然就是中文。（因为0-127已经表示了绝大部分字符， 128-255是ASCII的扩展表，表示的都是极特殊的字符一般用不到，中国就直接拿来用了）
- 1995年， 升级了gb2312，即GBK。 加更多字符，包括藏语、维吾尔语、韩语、蒙古语什么的统统都包含进去了， 这个编码叫GBK，直到现在，我们的windows电脑中的编码就是GBK.
3. Unicode
- 上百个国家都搞自己的编码标准，那边我们使用国外引入的一些东西的时候就会出现乱码。因此Unicode出现。 将所有语言统一到该编码标准，这样就不会再有乱码问题了。Unicode 以2-4字节的编码方式 已经收录136690个字符，并还在不断扩张中…
- 最常两个字节表示1个字符（常偏僻的字符，就需要4个字节）。现代操作系统和多数编程语言都支持Unicode。
- 除此之外，Unicode还便于和其他编码标准转换。
- 缺点在于，若是用Unicode编码，那存储纯英文的文本内存直接翻倍。于是有了UTF（Unicode Transformation Format）。
4. UTF
- UTF-8： 1、 2、 3、 4个字节表示所有字符；优先1个字节、否则2个字节，最多4个字节。英占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： 2、 4个字节表示所有字符；优先使2个字节，否则4个字节表示。
- UTF-32： 4个字节表示所有字符。
总结： UTF 是为unicode编码设计的在存储和传输时节省空间的编码方式。
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编码下继续用。
5.几种方式的总结
- 在计算机内存中，统一用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。
- 记事本编辑的时候，读取的UTF-8字符被转换为Unicode字符到内存，编辑完成后，保存的时候再把Unicode转换为UTF-8保存。
6. 不同字符编码方式的转换
- mac/linux是UTF8编码，Windows中国是GBK。因此Windows上的文本转到Mac上会出现乱码。
- 方案一：转Unicode
- 方案二：转UTF-8
- py2默认以ASCII进行文件编码，py3默认以UTF-8进行文件编码，py23在内存中以Unicode编码。但是py3会自动进行解码操作将GBK格式转换为Unicode，py2不会，必须手动使用decode方法去解码才能正常print。
- 任何编码转成Unicode称为解码（decode），Unicode转换成其他的为编码（encode）。
