[TOC] 昨天博客访问量超过20w了，很高兴，也希望这些笔记和文章能够真正帮到更多的人。对于一个做技术的人来说，分享真的会给自己带来很多快乐。不过说来也很惭愧，最近两个月都没写什么新的内容，一直忙于毕业设计和论文的事，也没学什么新的东西。不过想到马上要毕业将要踏上新的征程也是特别兴奋的。 关于字符串编码方面的内容很基础，学了很多次还是记不住，每次要用的时候又去查找相关资料，很麻烦，这里做一个总结记录一下，方便自己下一次查阅，也加深一下记忆（可能是撸多了，记忆力越来越差。。）。 ## **编码** * * * 百度百科上对编码和解码的定义如下：编码是用预先规定的方法将文字、数字或其他对象转换成数码的过程。解码是编码的逆向。  这里我们不妨将人类可以很容易理解的消息作为“明文”，将人类不易懂但是更易于存储和传输的消息作为“密文”。那么编码和解码的关系如下：   因为计算机只能识别0和1，我们人类易于理解的那些符号数字没办法直接存储到计算机中，必须先将这些符号按照事先规定的方式编码成0/1串才能存储到计算机或者通过网络进行传输。当我们从硬盘或者网络中读取文件时，我们读取到的内容全是0/1串，需要将这些内容按照一定的方式解码成我们易于理解的明文，然后才能查看或进行相关的处理。 编码有一个必要条件是编码的过程不能丢失任何信息，我们能够从密文解码出和原文完全一样的内容。 ## **编码方式** * * * 将明文编码成密文需要按照一定的编码方式，编码方式多种多样，分别对应于不同的字符集。 #### **ASCII** 上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。  ASCII码一共规定了128个字符的编码，比如空格”SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。 #### **其他编码** 对于英语来说128个字符就已经够用了，但是对于其他语言来说却不够。因此针对不同的语言先后出现了多种编码方式，例如针对中文的GB2312和GBK编码，针对中文繁体的Big5编码等等，这些编码方式都使用多个字节表示一个字符。 #### **Unicode** 随着越来越多的编码方式的出现，急需一种能够包含全世界所有符号的编码系统来消灭乱码，这种编码系统就叫做Unicode。Unicode只是一套编码系统，包含所有字符集，却并不规定编码后的二进制代码如何存储。 UTF-32使用4个字节存储每一个字符，但是对于英文字符来说，使用ASCII编码只需1个字节即可存储，这极大的浪费了存储空间。  因此出现了一种变长的编码方式UTF-8，UTF-8是使用得最广泛的Unicode编码实现方式，使用1-4个字节表示一个字符，根据不同的字符变化长度。比如对于英文字符，1个字节就够了，但是对于中文，可能需要2-4个字节才能存储。 #### **Base64** Base64是网络上最常见的用于传输8Bit字节代码的编码方式，可用于在HTTP环境下传递较长的标识信息。采用Base64编码具有不可读性，可用作简单的加密方式。 ## **Python 3编码** * * * 以前用Python 2，每次使用中文就会碰到各种编码问题，但是Python 3使得字符串编码变得非常简单。 我们可以通过以下代码查看Python 3的字符串默认编码： ~~~ import sys sys.getdefaultencoding() ~~~ Python 3的默认编码方式是UTF-8。 使用Python解释器进行如下编码解码操作，在bytes和str之间转换： ~~~ >>> '中'.encode() b'\xe4\xb8\xad' >>> b'\xe4\xb8\xad'.decode('utf-8') '中' ~~~ 我们在使用Python以二进制的形式写入文件时，需要先将字符串编码成字节串，然后再写入文件。以二进制的形式读取文件时也是如此，需要将读取的字节串解码成字符串。 * * * 参考文档：  1. [字符编码笔记：ASCII，Unicode和UTF-8](http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html)  2. [Python 3的bytes/str之别](http://www.ituring.com.cn/article/1116)  3. [Python3的编码问题](http://blog.sina.com.cn/s/blog_6d7cf9e50102vo90.html)