前言
本篇是Python学习笔记系列的第（三）篇，主要介绍了字符编码相关的知识。
字符编码
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整数就是255（2^8 - 1，二进制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（2^16 - 1），4个字节可以表示的最大整数是4294967295（2^32 - 1）。
ASCII编码
由于计算机是美国人发明的，所以最早只有127个字符被编码到计算机，包含了英文字母、数字和一些符号，这些字符用一个字节就足够表示，这个编码被称为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。
GB2312
但是中文不比英文字母，总数庞大，一个字节明显不够，至少需要两个字节，而且还不能和ASSCII编码冲突，所以中国制订了GB2312编码，将汉字映射到数字，从而编码进计算机。
Unicode
然而世界上语言成百上千，各有各的标准，就不可避免会产生冲突，结果就是在多语言混合的文本中，会出现乱码的问题。因此Unicode编码应运而生。Unicode把所有语言都统一到了一套编码中，这样就不会出现乱码问题了。现代的操作系统和大多数编程语言都直接支持Unicode。
- 区别
ASCII编码是1个字节，而Unicode编码通常是2个字节。
字母 A 用ASCII编码是十进制的65，二进制的01000001。
字符 0 用ASCII编码是十进制的48，二进制的00110000。
汉字 中 已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。
可以想到，如果把ASCII编码的 A 用Unicode编码，只需要在前面补0即可，因此，A 的Unicode编码是00000000 01000001。
UTF-8
如果统一成Unicode，乱码的问题是消失了，但是当文本全是英文的时候，使用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输方面都十分不划算。为了解决这个问题，又出现了UTF-8的编码，UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果需要存储或传输的文本包含大量的英文字符，用UTF-8编码就能节省空间和流量。
- 计算机系统编码工作方式
搞清楚了ASCII、Unicode和UTF-8的关系，我们来讲一下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进行网络传输时，就转化为UFT-8编码。
Python字符串
搞清楚字符编码之后，我们就来说说Python的字符串。在Python3中，字符串是以Unicode编码的，所以Python支持多语言。
字符与数字之间的转换
对单个字符，通过 ord() 函数可以获取字符的整数表示，通过 chr() 函数可以把编码转化为对应的字符：
>>> ord('A')
65
>>> ord('中')
20013
>>> chr(66)
'B'
>>> chr(25991)
'文'
字符串类型（str）与字节类型 （bytes）
Python的字符串类型是 str，在内存中以Unicode表示，一个字符对应若干个字节。如果要保存到磁盘或者在网络上传输，就需要把 str 变为以字节为单位的 bytes。Python对 bytes 类型的数据用带 b 前缀的单引号或双引号表示：x = b'ABC'。
注意区分 ABC 和 b'ABC'，前者是字符串，后者虽然显示内容和前者一样，但 bytes 的每个字符都只占用一个字节。
以Unicode表示的字符串通过 encode() 方法可以编码为指定的 bytes，例如：
>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'\xe4\xb8\xad\xe6\x96\x87'
从网络或者硬盘读取的字节流，读到的是 bytes ，通过 decode() 方法解码成字符串：
>>> b'ABC'.decode('ascii')
'ABC'
>>> b'\xe4\xb8\xad\xe6\x96\x87'.decode('utf-8')
'中文'
在操作字符串时，我们经常遇到字符串和 bytes 的互相转换。为了避免乱码问题，应当始终坚持使用 UTF-8 编码对字符串和 bytes 进行转换。
如果bytes中包含无法解码的字节，decode() 方法会报错，如果bytes中只有一小部分无效的字节，可以传入 errors='ignore' 忽略错误的字节：
>>> b'\xe4\xb8\xad\xff'.decode('utf-8', errors='ignore')
'中'
Python文件编码
由于Python源代码也是一个文本文件，当代码中包含中文时，在保存文件时，务必指定保存为UTF-8编码。同时，为了让Python解释器读取源码时按照UTF-8编码读取，通常在文件开头写上这两行：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
注：1. 第一行是为了告诉Linux/ MacOS系统，这是一个Python可执行程序，Windows系统会忽略这个注释；2. 第二行注释是为了告诉Python解释器，按照UTF-8编码读取源码。申明了UTF-8编码并不意味着你的 .py 文件就是UTF-8编码的，必须要确保文本编辑器正在使用 UTF-8 without BOM 编码。