昨天博客訪問量超過20w了，很高興，也希望這些筆記和文章能夠真正幫到更多的人。對於一個做技術的人來說，分享真的會給自己帶來很多快樂。不過說來也很慚愧，最近兩個月都沒寫什麼新的內容，一直忙於畢業設計和論文的事，也沒學什麼新的東西。不過想到馬上要畢業將要踏上新的征程也是特別興奮的。
關於字符串編碼方面的內容很基礎，學了很多次還是記不住，每次要用的時候又去查找相關資料，很麻煩，這裏做一個總結記錄一下，方便自己下一次查閱，也加深一下記憶（可能是擼多了，記憶力越來越差。。）。
編碼
百度百科上對編碼和解碼的定義如下：編碼是用預先規定的方法將文字、數字或其他對象轉換成數碼的過程。解碼是編碼的逆向。
這裏我們不妨將人類可以很容易理解的消息作爲“明文”，將人類不易懂但是更易於存儲和傳輸的消息作爲“密文”。那麼編碼和解碼的關係如下：
因爲計算機只能識別0和1，我們人類易於理解的那些符號數字沒辦法直接存儲到計算機中，必須先將這些符號按照事先規定的方式編碼成0/1串才能存儲到計算機或者通過網絡進行傳輸。當我們從硬盤或者網絡中讀取文件時，我們讀取到的內容全是0/1串，需要將這些內容按照一定的方式解碼成我們易於理解的明文，然後才能查看或進行相關的處理。
編碼有一個必要條件是編碼的過程不能丟失任何信息，我們能夠從密文解碼出和原文完全一樣的內容。
編碼方式
將明文編碼成密文需要按照一定的編碼方式，編碼方式多種多樣，分別對應於不同的字符集。
ASCII
上個世紀60年代，美國製定了一套字符編碼，對英語字符與二進制位之間的關係，做了統一規定。這被稱爲ASCII碼，一直沿用至今。
ASCII碼一共規定了128個字符的編碼，比如空格”SPACE”是32（二進制00100000），大寫的字母A是65（二進制01000001）。這128個符號（包括32個不能打印出來的控制符號），只佔用了一個字節的後面7位，最前面的1位統一規定爲0。
其他編碼
對於英語來說128個字符就已經夠用了，但是對於其他語言來說卻不夠。因此針對不同的語言先後出現了多種編碼方式，例如針對中文的GB2312和GBK編碼，針對中文繁體的Big5編碼等等，這些編碼方式都使用多個字節表示一個字符。
Unicode
隨着越來越多的編碼方式的出現，急需一種能夠包含全世界所有符號的編碼系統來消滅亂碼，這種編碼系統就叫做Unicode。Unicode只是一套編碼系統，包含所有字符集，卻並不規定編碼後的二進制代碼如何存儲。
UTF-32使用4個字節存儲每一個字符，但是對於英文字符來說，使用ASCII編碼只需1個字節即可存儲，這極大的浪費了存儲空間。
因此出現了一種變長的編碼方式UTF-8，UTF-8是使用得最廣泛的Unicode編碼實現方式，使用1-4個字節表示一個字符，根據不同的字符變化長度。比如對於英文字符，1個字節就夠了，但是對於中文，可能需要2-4個字節才能存儲。
Base64
Base64是網絡上最常見的用於傳輸8Bit字節代碼的編碼方式，可用於在HTTP環境下傳遞較長的標識信息。採用Base64編碼具有不可讀性，可用作簡單的加密方式。
Python 3編碼
以前用Python 2，每次使用中文就會碰到各種編碼問題，但是Python 3使得字符串編碼變得非常簡單。
我們可以通過以下代碼查看Python 3的字符串默認編碼：
import sys
sys.getdefaultencoding()
Python 3的默認編碼方式是UTF-8。
使用Python解釋器進行如下編碼解碼操作，在bytes和str之間轉換：
>>> '中'.encode()
b'\xe4\xb8\xad'
>>> b'\xe4\xb8\xad'.decode('utf-8')
'中'
我們在使用Python以二進制的形式寫入文件時，需要先將字符串編碼成字節串，然後再寫入文件。以二進制的形式讀取文件時也是如此，需要將讀取的字節串解碼成字符串。
參考文檔：
1. 字符編碼筆記：ASCII，Unicode和UTF-8
2. Python 3的bytes/str之別
3. Python3的編碼問題