基本常识
ASCII编码是1个字节bytes,而Unicode编码通常是2个字节
1bytes=8bit
在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。

字母"A"用ASCII编码是十进制的65,二进制的01000001;
字符"0"用ASCII编码是十进制的48,二进制的00110000,注意字符'0'和整数0是不同的;
汉字"中"已经超出了ASCII编码的范围,用Unicode编码是十进制的20013,二进制的01001110 00101101,1个字节的ASCII编码已经不能满足。

可以猜测,如果把ASCII编码的A用Unicode编码,只需要在前面补0就可以,因此,A的Unicode编码是00000000 01000001,
区别:一个是1字节一个是2字节。

试想如果你的文本全是英文,用Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上就十分不划算,因为Unicode是2个字节,一个字节可以表示完所有的英文字母单词。

所以,本着节约的精神,又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间:

字符 ASCII Unicode UTF-8
A 01000001 00000000 01000001 01000001
没有 01001110 00101101 11100100 10111000 10101101

表格还可以发现,UTF-8编码有一个额外的好处,就是ASCII编码实际上可以被看成是UTF-8编码的一部分,所以,大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

python编码问题_第1张图片

python编码问题_第2张图片

相关连接:1
相关连接:2