编码格式ASCII，GB2312，GBK，GB18030，Unicode，UTF-8，以及python编码_编码格式guoxcs

ASCII，GB2312，GBK，GB18030，Unicode，UTF-8，及python编码

1 概述

         学python以来，写脚本程序时遇到读写文件，经常遇到编码问题，中文为乱码的情况。每次遇到此类问题，各种百度，加各种咨询，然而仍然不明其原因，问题的解决情况也是误打误撞，有些能解决，有些解决不了。这样让学写python编程之路变得异常坎坷。终于，下定决心，将编码问题好好学习理解一番。

2 编码介绍

         由于计算机只识别0和1，为了使计算机能够支持文字和字母等符号，方便实用操作计算机。于是，字符编码应运而生。

2.1 ASCII编码

         最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255）。
         由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里（即用一个字节的后七位），也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。

         随着发展，计算机开始普及，当计算机流传到欧洲时，问题再次出现，原本的ASCII编码只能解决美国人的编码问题，无法将欧洲的文字表示出来。于是乎，欧洲人就把ASCII码中没用到的第一位给用了，即：

         （1）ASCII码用一个字节的后七位，表示范围是0-127；

         （2）欧洲人把这个字节的第一位也用了，表示范围0-255。除去原本的0-127，剩下128-255.128-159之间为控制字符，160-255位文字符号，其中包括了西欧语言、希腊语、泰语、阿拉伯语、希伯来语。砖家们决定把他们的编码名称叫做Latin1，后面由于欧洲统一制定ISO标准，所以又有了一个ISO的名称，即ISO-8859-1。

2.2 中文编码GB2312，GBK，GB18030

         计算机技术传到了亚洲大地，比如中国。原本的一个字节的8个位全都用完了，但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312，GBK，GB18030编码，用来把中文编进去，产生了国标码。

         国标码是汉字的国家标准编码，目前主要有GB2312、GBK、GB18030三种。

         （1）GB2312编码方案于1980年发布，收录汉字6763个，采用双字节编码。

         （2）GBK编码方案于1995年发布，收录汉字21003个，采用双字节编码。