python—字符编码
一. 字符编码的演化
•ASCII码: 占1个字节，只支持英文.
•GB2312：又称国标码，支持的是常用的汉字，1981年由国家标准局发布实施，通行于大陆，新加坡等地，共7445个图形字符.其中汉字6763.
•GBK ：1995年发布，兼容GB2312.收录汉字21003个，同时包含中日韩里的所有汉字.
•GB18030：2000年发布，兼容GBK和GB2312，收录汉字27484个，包括中日韩和中国少数民族文字.
•Shift-Jis ：日本字符
•ks-c_5601_1987: 韩国编码
•TIS-620：泰国编码
——————因为每个国家都有自己的字符，所以ISO搞出了一个万国码，涵盖全球所有文字和二进制的关系————————
•Unicode编码：又称万国码，规定最少用2个字节表示，（2—4个字节）.解决了字符和二进制之间的关系（Unicode两个作用：1.包含了所有国家的语言 2.包含了全球所有国家编码的映射关系）
•UTF-8：全称Unicode Transformation Format是对Unicode编码的压缩和优化，解决存储和网络运输的问题，其中ASCII码的内容用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.
（Windows系统中文默认编码是GBK，Mac OS\Linux系统默认编码是UTF-8）
二. 字符是怎么存到硬盘上的
1. 字符串是通过二进制0101010存到硬盘上的.
2. 无论什么编码在内存里显示字符，存到硬盘是都是2进制. 还有就是说以GBK的编码存到硬盘上，必须再以GBK的编码取出来.否则会乱码.
三. 字符编码的转换 参考1》
英语是国际通用语言，与此类似，Unicode是计算机里的通用语言. 但是，中国的Windows系统上默认的是GBK ， 日本默认的是Shift-Jis ，美国用的是Unicode 等等 . 所以中国的软件怎么出口到美国，日本等地？
解决方法一：在出口国家的电脑上都装上GBK编码（明显是不现实）
解决方案二：把自己的软件编码以utf-8编码（但是按照这种方法，出口以后，取出来的仍然是中文，并不是英文）
所以上面两个方法都不行. 其实这里用到的是Unicode的第二种作用，根据映射关系.,unicode自己知道gbk或者shift-jis在Unicode中的编码是什么，所以，无论不管以什么编码存储的数据，只要软件再把数据从硬盘读到内存，转成Unicode显示，就可以了. （举个例子，中国的软件以GBK编码出口到美国，然后美国的电脑把GBK读进去，但是程序上加个补丁，就能转换成Unicode. ）由于所有的系统和编程语言默认支持Unicode，所以gbk软件放到其他国家的电脑上，就变成了Unicode，中文就可以正常显示.
decode的作用是将其他编码的字符串转换成unicode编码，如str1.decode('gb2312')，表示将gb2312编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串，如str2.encode('gb2312')，表示将unicode编码的字符串str2转换成gb2312编码
如：s='中文'
如果是在utf8的文件中，该字符串就是utf8编码，如果是在gb2312的文件中，则其编码为gb2312。这种情况下，要进行编码转换，都需要先用decode方法将其转换成unicode编码，再使用encode方法将其转换成其他编码。通常，在没有指定特定的编码方式时，都是使用的系统默认编码创建的代码文件。
如果字符串是这样定义：s=u'中文'
则该字符串的编码就被指定为unicode了，即python的内部编码，而与代码文件本身的编码无关。因此，对于这种情况做编码转换，只需要直接使用encode方法将其转换成指定编码即可。
如果一个字符串已经是unicode了，再进行解码则将出错，因此通常要对其编码方式是否为unicode进行判断：
isinstance(s, unicode) #用来判断是否为unicode
用非unicode编码形式的str来encode会报错
如何获得系统的默认编码？
#!/usr/bin/env python
#coding=utf-8
import sys
print sys.getdefaultencoding()
该段程序在英文WindowsXP上输出为：ascii
在某些IDE中，字符串的输出总是出现乱码，甚至错误，其实是由于IDE的结果输出控制台自身不能显示字符串的编码，而不是程序本身的问题。
如在UliPad中运行如下代码：
s=u"中文"
print s
会提示：UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)。这是因为UliPad在英文WindowsXP上的控制台信息输出窗口是按照ascii编码输出的（英文系统的默认编码是ascii），而上面代码中的字符串是Unicode编码的，所以输出时产生了错误。
将最后一句改为：print s.encode('gb2312')
则能正确输出“中文”两个字。
若最后一句改为：print s.encode('utf8')
则输出：\xe4\xb8\xad\xe6\x96\x87，这是控制台信息输出窗口按照ascii编码输出utf8编码的字符串的结果。
unicode(str,'gb2312')与str.decode('gb2312')是一样的，都是将gb2312编码的str转为unicode编码
使用str.__class__可以查看str的编码形式
s="中文"
if isinstance(s, unicode):
#s=u"中文"
print s.encode('gb2312')
else:
#s="中文"
print s.decode('utf-8').encode('gb2312')
四.python3代码执行过程
根据上述所说字符编码的转化，实际代码中python3的执行代码过程是什么样的？
1.解释器找到代码文件，把代码字符串按文件头定义的编码加载到内存，转成Unicode
2.把代码字符串按照语法规则进行解释
3.所有的变量字符都会以Unicode编码声明
五. 字节与字符
name = 'alex' name_bytes = name.encode(utf-8)#字节 name_str = name_bytes.decode(utf-8)#字符串
参考1：www.unicode.org
