python学习心得--编码格式篇

计算机容量单位：

1位 = 1bit；

8bit = 1byte = 1字节 ；

1024bytes = 1kbytes =1KB；

1024KB = 1Million Bytes = 1MB = 1兆 ；

1024MB = 1Gigabytes ；

1024GB = 1TB ；

1024TB = 1PB；

ASCII码 （American Standard Code for Information Interchange，美国信息互换标准代码）。每一个字符统一都需要8个bit来存储，八位的字节一共可以组合出256(2的8次方)种，一直编到了第127号；从128到255这一页的字符集被称”扩展字符集”。

GB2312  是对 ASCII 的中文扩展。将127号之后的字符取消，重新编码建立映射关系，共组合出7000多汉字，以及其他国家特殊字符等。

GBK GBK 囊括了 GB2312 的所有内容，在此基础上增加了近20000个新的汉字（包括繁体字）和符号。

GB18030 GBK扩展，加了几千个新的少数民族的字。

UNICODE  ISO（国际标谁化组织）废了所有的地区性编码方案，重新搞一个包括了地球上所有文化、所有字母和符号的编码！他们打算叫它”Universal Multiple-Octet Coded Character Set”，简称 UCS, 俗称 “UNICODE”。ISO规定必须用两个字节，也就是16位来统一表示所有的字符，对于ASCII里的那些”半角”字符，UNICODE 包持其原编码不变，只是将其长度由原来的8位扩展为16位，而其他文化和语言的字符则全部重新统一编码。由于”半角”英文符号只需要用到低8位，所以其高 8位永远是0，在保存英文文本时会多浪费一倍的空间。

UTF-8 UNICODE 在网络上传输，面向传输的众多 UTF（UCS Transfer Format）标准出现了，UTF8 就是每次8个位传输数据，而 UTF16 就是每次16个位，只不过为了传输时的可靠性，从UNICODE到 UTF时并不是直接的对应，而是要过一些算法和规则来转换。