1 ）字符集、編碼和中文字符集

字符集的意思是指二進制編碼（比如：DE 8F 1A 90）對應什么字符（比如：連通）。而編碼方式是指二進制編碼如何在計算機上存儲。比如：UTF-16是用兩個字節來存儲一個unicode編碼（DE 8F 1A 90）；UTF-8使用1-3個字節來存儲一個unicode編碼（E8 BF 9E E9 80 9A ）。

unicode如果理解成字符集，則是指它用來表示世界上所有語言的字符。標準的unicode編碼方式稱為UTF-16，一般都簡稱unicode編碼，用2個字節表示每個字符。

UTF-8 是unicode字符集的一種編碼方式，為了使得雙字節的unicode能夠在現存的處理單字節的系統上正確傳輸。用1-3個字節來表示每個字符，對于英文字母用1個字節，對于中文使用3個字節.對于>127的編碼，高位都為1

GBK 收錄21886字符，編碼方式為用2個字節來標示中、英字符。對于中文，最高位設置成1，包含所有中文

GB2312比GBK包含的漢字要少，6763漢字+682其他字符，編碼方式相同

GBK18030比GBK包含的漢字還要多，27484漢字和其他少數民族文字，編碼方式相同

按照GBK18030、GBK、GB2312的順序，3種編碼是向下兼容，同一個漢字在三個編碼方案中是相同的編碼

2 ）python 中的字符和中文處理的一些注意事項

（1）python要安裝相應的編碼庫（比如gbk）之后，才能夠使用這種編碼

（2）python中unicode編碼轉換

decode的作用是將其他編碼的字符串轉換成unicode編碼，如str1.decode('gb2312')，表示將gb2312編碼的字符串轉換成unicode編碼。

encode的作用是將unicode編碼轉換成其他編碼的字符串，如str2.encode('gb2312')，表示將unicode編碼的字符串轉換成gb2312編碼。

unicode(s, "gbk")函數也可以用來

（3）如果文件里有非ASCII字符，需要在第一行或第二行（在第三行就不行）指定編碼聲明

（4）unicode編碼的字符串長度的時候，看到幾個字符，打印出來的長度就是幾