Unicode是什么编码，与ASCII的关系

Unicode是什么编码，与ASCII的关系

今天在看Python的转义字符的时候，在字符串中写\uxxxx的时候出现错误：SyntaxError:UnicodeError,于是搜了一下Unicode。

ASCII码

• 就是用8位二进制来编码英文字母和其他字符
• 在美国，7位就够了，最高一位是0，共128个字符。
• 在其他国家是不够的，他们的文字和英文有出入，如法语在字母上有注音符号 é ，各个国家就决定把字节中最前面未使用的那一个位拿来使用，原来的128种状态就变成了256种状态，比如é就被编码成130。
• 为了保持与ASCII码的兼容性，一般最高位为0时和原来的ASCII码相同，最高位为1的时候，各个国家自己给后面的位(1xxx xxxx)赋予他们国家的字符意义。
  出现问题
  不同国家对新增的128个数字赋予了不同的含义，比如说130在法语中代表了é,但是在希伯来语中却代表了一个希腊字母。
  所以这就成了不同国家有不同国家的编码方式，所以如果给你一串二进制数，想要解码，就必须知道它的编码方式，不然就会出现我们有时候看到的乱码 。

Unicode码

• Unicode为世界上所有字符都分配了一个唯一的数字编号

• 这个编号范围从 0x000000 到 0x10FFFF(十六进制)，有110多万，每个字符都有一个唯一的Unicode编号，这个编号一般写成16进制，在前面加上U+。例如：“马”的Unicode是U+9A6C。

• Unicode是一种规定，Unicode本身只规定了每个字符的数字编号是多少，并没有规定这个编号如何存储。
  一种很容易想到的存储方式，是将U+9A6C直接转换为二进制存放，只需2个字节。UTF-8、UTF-16、UTF-32等，都是 Unicode编码 的一种实现方案。

1、UTF-32
将字符的Unicode编号直接转换成二进制存储。使用4个字节，即32位。

• 由于编号是从 0x000000 到 0x10FFFF(十六进制)，其实只需3个字节就够了。
• 比如：马的Unicode为：U+9A6C，那么需要2个字节存放
• 由于计算机在存储器中排列字节有大端方式和小端方式， UTF-32BE表示大端存放， UTF-32LE 表示小端存放。这样可以正确解释存储的多个字节。

2、UTF-16

UTF-16使用变长字节表示，使用2个或4个字节。

① 对于编号在U+0000到U+FFFF的字符（常用字符集），直接用两个字节表示。
② 编号在 U+10000到U+10FFFF之间的字符，需要用四个字节表示。

3、UTF-8
UTF-8使用变长字节表示，使用的字节个数从1到4个不等。

注：本文用于个人学习笔记，感谢参考博客。