Python爬虫学习5-字符串编码

计算机只能处理数字，文本转换为数字才能处理，计算机中8个bit作为一个字节，所以一个字节能表示的最大数字就是255
计算机是美国人发明的，所以一个字节就可以标识所有单个字符
，所以ASCII(一个字节)编码就成为美国人的标准编码
ASCII处理中文明显不够，中文不止255个汉字，所以中国制定了GB2312编码，用两个字节表示一个汉字。GB2312将ASCII也包含进去了。同理，日文，韩文，越来越多的国家为了解决这个问题就都发展了一套编码，标准越来越多，如果出现多种语言混合显示就一定会出现乱码.

unicode出现了，它将所有语言包含进去了。

ASCII和unicode编码:
字母A用ASCII编码十进制是65，二进制 0100 0001
汉字"中" 已近超出ASCII编码的范围，用unicode编码是20013二进制是01001110 00101101
A用unicode编码只需要前面补0二进制是 00000000 0100 0001
乱码问题解决的，但是如果内容全是英文，unicode编码比ASCII编码需要多一倍的存储空间，传输也会变慢。
所以此时出现了可变长的编码"utf-8" ,把英文：1字节，汉字3字节，特别生僻的变成4-6字节，如果传输大量的英文，utf8作用就很明显。
读取文件，进行操作时转换为unicode编码进行处理，保存文件时，转换为utf-8编码。以便于传输读文件的库会将转换为unicode

python2 默认编码格式为ASCII，Python3 默认编码为 utf-8

import sys
print(sys.getdefaultencoding())

即可得结果为utf-8