python編碼格式

咱們在寫代碼的時候常常會遇到亂碼等問題，其實就是由於編碼格式不正確，那咱們如今來簡單看一下關於編碼的相關知識

1、ASCII 碼

計算機存儲數據是用0、1存儲的，爲了存儲英文字符等，因此出現了一個ASCII編碼表，經過這個表就是把對應的英文轉換對應爲相應的0、1數據存儲到計算機，可是英文只有26個字母，中文有6萬多漢字，ASCII編碼不夠，因此根據須要就出現了unicode、utf-8等編碼，實際能夠理解爲它們把全球的文字編碼對應到計算機的0、1來存儲識別。

ASCII 碼使用指定的 7 位或 8 位二進制數組合來表示 128 或 256 種可能的字符。標準 ASCII 碼也叫基礎ASCII碼，使用 7 位二進制數來表示全部的大寫和小寫字母，數字 0 到 九、標點符號， 以及在美式英語中使用的特殊控制字符。其中：

• 0～31及127(共33個)是控制字符或通訊專用字符（其他爲可顯示字符），如控制符：LF（換行）、CR（回車）、FF（換頁）、DEL（刪除）、BS（退格)、BEL（振鈴）等。通訊專用字符：SOH（文頭）、EOT（文尾）、ACK（確認）等；

• ASCII值爲 八、九、10 和 13 分別轉換爲退格、製表、換行和回車字符。它們並無特定的圖形顯示，但會依不一樣的應用程序，而對文本顯示有不一樣的影響。

• 32～126(共95個)是字符(32sp是空格），其中48～57爲0到9十個阿拉伯數字；

• 65～90爲26個大寫英文字母，97～122號爲26個小寫英文字母，其他爲一些標點符號、運算符號等

Unicode

Unicode是爲了解決傳統的字符編碼的侷限而產生的。對世界上大部分的文字系統進行了編碼、整理，使電腦能夠更方便的處理和展現文字。Unicode採用16位編碼空間，每一個字符佔2個字節。Unicode的實現方式稱爲Unicode轉換格式

Unicode碼擴展自ASCII字元集。在嚴格的ASCII中，每一個字元用7位元表示，或者電腦上廣泛使用的每字元有8位元寬。而Unicode使用全16位元字元集。這使得Unicode可以表示世界上全部的書寫語言中可能用於電腦通信的字元、象形文字和其餘符號。

不一樣的編碼方式會形成亂碼問題，Unicode將世界上全部符號都歸入其中。每個符號都給予一個編碼，這樣就就解決了亂碼問題。Unicode如今的規模能夠容納100多萬個符號，每一個符號的編碼都不同，例如U+4E0A表示上，U+4E0B表示下，具體的符號對應表能夠查看：http://www.chi2ko.com/tool/CJK.htm

UTF-8

UTF全稱(Unicode Transformation Format)，因此它是一種針對前面提到的Unicode的編碼格式，常見的格式就是 UTF-8，還有 UTF-16, UTF-32。

UTF-8 其中的 8 表示的是 8 bit，即Unicode中每8位表示一個字符，UTF-16 和 UTF-32 相似，由於Unicode最多才21位，32位大於21位，因此 UTF-32 的格式就能夠表示全部字符對應的Unicode碼了，可是呢，32位也就是4字節，讓每一個字符都佔用4字節太費空間了，因此出現了UTF-8和UTF-16。

UTF-8 編碼規則以下：

Unicode	bit	UTF-8	byte
0x0000 - 0x007f	0 - 7	0XXX XXXX	1
0x0080 - 0x07ff	8 - 11	110X XXXX 10XX XXXX	2
0x0800 - 0xffff	12 - 16	1110 XXXX 10XX XXXX 10XX XXXX	3
0x1 0000 - 0x1f ffff	17 - 21	1111 0XXX 10XX XXXX 10XX XXXX 10XX XXXX	4

• 每一個字節中不足8位的，高位(左邊)先用0補上，好比 0XXXX XXXX；
• 超過兩字節表示的UTF-8，第一個字節高位添加兩個 1 和一個 0，後面的字節高位添加 10；
• 3字節和4字節同理，幾個字節高位就添幾個 1 再加上一個 0，其他字節高位添 10；

設置編碼格式

Python中默認的編碼格式是 ASCII 格式，在沒修改編碼格式時沒法正確打印漢字，因此在讀取中文時會報錯。解決方法爲在文件的開頭加入 # -*- coding: UTF-8 -*-或者#coding=utf-8 就好了。

咱們要記住寫python程序的時候通常使用utf-8編碼格式來存儲編碼格式，網頁裏面一樣的也聲明utf-8便可，utf-8是中文、英文、日文等全球文字均可以使用的編碼格式，通用性很強。

在Pycharm 中設置編碼格式的步驟：File --> setting --> File Encodings