字符編碼

python解釋器在加載 .py 文件中的代碼時，會對內容進行編碼（默認ascill）

　　ASCII（American Standard Code for Information Interchange，美國標準信息交換代碼）是基於拉丁字母的一套電腦編碼系統，主要用於顯示現代英語和其餘西歐語言，其最多隻能用 8 位來表示（一個字節），即：2**8 = 256-1，因此，ASCII碼最多隻能表示 255 個符號。

關於中文

爲了處理漢字，程序員設計了用於簡體中文的GB2312和用於繁體中文的big5。

GB2312(1980年)一共收錄了7445個字符，包括6763個漢字和682個其它符號。漢字區的內碼範圍高字節從B0-F7，低字節從A1-FE，佔用的碼位是72*94=6768。其中有5個空位是D7FA-D7FE。

GB2312 支持的漢字太少。1995年的漢字擴展規範GBK1.0收錄了21886個符號，它分爲漢字區和圖形符號區。漢字區包括21003個字符。2000年的 GB18030是取代GBK1.0的正式國家標準。該標準收錄了27484個漢字，同時還收錄了藏文、蒙文、維吾爾文等主要的少數民族文字。如今的PC平臺必須支持GB18030，對嵌入式產品暫不做要求。因此手機、MP3通常只支持GB2312。

從ASCII、GB23十二、GBK 到GB18030，這些編碼方法是向下兼容的，即同一個字符在這些方案中老是有相同的編碼，後面的標準支持更多的字符。在這些編碼中，英文和中文能夠統一地處理。區分中文編碼的方法是高字節的最高位不爲0。按照程序員的稱呼，GB23十二、GBK到GB18030都屬於雙字節字符集 (DBCS)。

有的中文Windows的缺省內碼仍是GBK，能夠經過GB18030升級包升級到GB18030。不過GB18030相對GBK增長的字符，普通人是很難用到的，一般咱們仍是用GBK指代中文Windows內碼。

 

 

顯然ASCII碼沒法將世界上的各類文字和符號所有表示，因此，就須要新出一種能夠表明全部字符和符號的編碼，即：Unicode

Unicode（統一碼、萬國碼、單一碼）是一種在計算機上使用的字符編碼。Unicode 是爲了解決傳統的字符編碼方案的侷限而產生的，它爲每種語言中的每一個字符設定了統一而且惟一的二進制編碼，規定雖有的字符和符號最少由 16 位來表示（2個字節），即：2 **16 = 65536，
注：此處說的的是最少2個字節，可能更多

UTF-8，是對Unicode編碼的壓縮和優化，他再也不使用最少使用2個字節，而是將全部的字符和符號進行分類：ascii碼中的內容用1個字節保存、歐洲的字符用2個字節保存，東亞的字符用3個字節保存...

因此，python解釋器在加載 .py 文件中的代碼時，會對內容進行編碼（默認ascill），若是是以下代碼的話：

 

報錯：ascii碼沒法表示中文

#!/usr/bin/env python

print  "你好，世界"

 

改正：應該顯示的告訴python解釋器，用什麼編碼來執行源代碼，即：

#!/usr/bin/env python

# -*- coding: utf-8 -*-

print  "你好，世界"

 

注：下邊是漢子表處理表

GB2312（1980）7445個字符 6763個漢子682符號

GBK1.0 （1995）收錄了21886個符號

GB18030（2000）取代了GBK1.0 收錄了27484個漢子，PC必須支持

 

注：Unicode（統一萬國碼），跟GBK不兼容。

　　Unicode，16位比特位。統一每一個字符要佔用2字節。英文很差存。

　　ASCII是8位比特位。每一個字符暫用一個1節。

　　Unicode下是UTF-8存儲是ASCII碼格式只暫用一個字節。

　　英文暫用1字節，中文暫用3個字節。