编码与解码
编码(encode)/解码(decode)本质上是一种映射，比如‘A’用ascii编码则是65，计算机中用二进制存储的就是00110101，但计算机怎么知道00110101是‘A’呢，这就需要解码，当选用ascii解码时，计算机把00110101放到ascii码表里一查，发现是‘A’，于是就显示出’A’。
所以编码其实就是真实字符与二进制串之间的对应关系，解码就是二进制串与真实字符的对应关系
ASCII、Unicode、UTF-8的关系
ASCII
由于电脑是美国人发明的，所以最早的时候只有127个字符被编码到计算机中，即大小写英文字母，数字和一些符号，这个编码表就是ASCII编码,比如’A’的编码是65，‘a’的编码是97。
Unicode
但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。
你可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。
因此，为了把所有语言统一到一套编码里，就出现了Unicode
Unicode的标准也是不断在发展，但最常用的就是两个字节表示一个字符。现代操作系统和大多数编程语言都直接支持Unicode。
ASCII与Unicode的区别在于：ASCII用一个字节表示一个字符，Unicode用两个字节表示一个字符
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。
你可以猜测，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。
UTF-8
新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，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。
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就是在互联网上使用最广的一种Unicode的实现方式。
UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1-4个字节表示一个符号，根据不同的符号而变化字节长度。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。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中的编码
Python源代码文档的执行过程
我们都知道，磁盘上的文档都是以二进制格式存放的，其中文本文档都是以某种特定编码的字节形式存放的。对于进程源代码文档的字符编码是由编辑器指定的，比如我们使用VScode来编写Python进程时会指定文档编码为UTF-8，那么Python代码被保存到磁盘时就会被转换为UTF-8编码对应的字节(encode过程)后写入磁盘。
当执行Python代码文档中的代码时，Python解释器在读取Python代码文档中的字节串之后，需要将其转换为Unicode字符串(decode过程)之后才执行后续操作。
python对字符串的支持
python2
在python2中对字符串的支持有三个类：basesrting 、str 、unicode
unicode和str都是basestring的子类。严格意义上说，str其实是字节串，它是unicode经过编码后的字节组成的序列。
对’UTF-8’编码的str ‘’汉‘’ 使用len()函数时，返回的长度是3，因为‘UTF-8’编码下的‘汉‘==’xE6xB1x89’
unicode才是真正意义上的字符串，对字节串str使用正确的字符编码进行解码后获得，并且len(u’汉’)==1。
python3
python3中对字符串的支持进行了实现类层次的上简化，去掉了unicode类，添加了一个bytes类。从表面上来看，可认为Python3中的str和unicode合二为一了。
实际上，Python3中已经意识到之前的错误，开始明确区分字符串与字节。因此Python3中的str已经是真正的字符串，而字节是用单独的bytes类来表示。
也就是说，Python3默认定义的就是字符串，实现了对Unicode的内置支持，减轻了进程员对字符串处理的负担。
我们通过下面的例子来了解一下str与byte之间的转换1
2
3
4
5
6
7
8
9
10
11
12
13
14
15a = '中'
type(a)
# 显然的类型是一个'str'
>>> b = a.encode('utf-8') # 把字符串a用utf-8方式编码后赋值给b
>>>type(b)
# 于是b的类型就是'bytes'
>>> b # 这里我们把b打印出来看看
b'xe4xb8xad' # 这就是UTF-8编码下的‘中’字
>>> c = b.decode('utf-8') # 把b用utf-8方式解码后赋值给c
>>>c
'中'
>>>type(c)
简单来说，通过encode()函数将str类型的字符串转变为bytes；通过decode()将bytes类型转变为str类型。
如果bytes中有无法解码的字节，decode()就会报错：1
2
3
4>>>b'xe4xb8xadxff'.decode('utf-8')
Traceback (most recent call last):
...
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 3: invalid start byte
这就要考虑是否是选择的解码方式不对
在操作字符串时，我们经常遇到str和bytes的互相转换。为了避免乱码问题，应当始终坚持使用UTF-8编码对str和bytes进行转换。
