python - 中文编码/ASCII

Python 中文编码

　　　为了处理汉字，程序员设计了用于简体中文的GB2312和用于繁体中文的big5.
    　　GB2312（1980年）一共收录了7445个字符，包括6763个汉子和682个其他符号。汉字区的内码范围高字节从B0-E7，低字节A1-FE，占用的码位是72*94=6768.其中5个空位是D7FA-D7EF。
           GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字去和图形符号区。汉字区包括21003个字符，2000年的GB18030是取代GBK1.0的正式国家标准。该标准收录了27484个汉字，同时还收录了藏文、蒙文、维吾尔文扥更主要的少数名族文字。现在的PC平台必须支持GB18030，对嵌入式产品暂不做要求。所以手机、MP3一般支持GB2312.
           从ASCII、GB2312、GBK到GB18030，这些编码方法是向下兼容的，即同一个字符在这些方案中总是有相同的编码，后面的标准支持更多的字符。这些编码中，英文和中文可以统一地处理，区分中文编码的方法是高字节的最高位不为0.按照程序员的称呼，GB2312、GBK到GB18030都属于双字节字符集（DBCS）
          有的中文windows的缺省内码还是GBK，可以通过GB18030升级包升级到GB118030，不过GB18030相对GBK增加的字符，普通人很难用到，通常我们还是用GBK只带中文windows内码。

关于ASCII码/unicode/utf-8
    显然ASCII码无法将世界上的各种文字和符号全部表示，所以，就需要新出一种可以代码所有字符和符号的编码即：Unicode
 
    unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码、unicode是为了解决传统的字符编码方法的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，规定虽有的字符和符号最少由16位表示（2个字节）即2**16 = 65536
 
    UTF-8 是对unicode编码的压缩和优化，他不在使用最少使用2个字节，而是将所有的字符和符号进行分类ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存，东亚的字符用3个字节保存。
    所以，python解释器在加载.py文件中的代码时，会对内容进行编码（默认ascill）
 
时间节点：
ASCII 255 1bytes
   ————1980 GB2312   7XXX
   ------------1995 GBK1.0   2w+
   -------------2000  GB18030  27xxxx
   -------------UNICODE  2bytes
   -------------utf-8   en:1byte, zh :3btes