由于直接用Unicode編碼存到硬盤，會有一個IO增多的問題，于是聰明的人類有設計了一個版本叫UTF-8。

英文全稱是Unicode Transformation Format。翻譯過來就是Unicode的轉換格式。

所以說UTF-8本質就是Unicode，只是它把Unicode轉換了，把英文字符對應的二進制數轉成了1個字節(jié)，1個字節(jié)就是8位。

把中文字符統(tǒng)一都用3個字節(jié)表示，當然原本Unicode是用2個字節(jié)表示中文，現在變成3個字節(jié)了。

不要只看片面的東西，說中文更加浪費空間了。因為UTF-8本身是針對Unicode進行整體上的精簡。所以說UTF-8在整體上，一定是比Unicode更加精簡的。

在Unicode里面，有的生僻字可能會用4個字節(jié)，甚至8個字節(jié)。

現在詳細講解編碼解碼的概念。

轉成Unicode二進制數的這個過程我們稱之為編碼，Unicode轉成UTF-8或者GBK以及其他老的編碼方式的過程我哦么也稱之為解碼。

UTF-8或者其他編碼方式轉成Unicode的過程我們稱之為解碼，然后Unicode轉成我們的字符的這個過程我們也稱之為解碼。

編碼：字符--->編碼--->unicode--->編碼--->UTF-8\GNK
解碼：字符<---解碼<---unicode<---解碼<---UTF-8\GNK

內存里是固定使用Unicode編碼的，我們唯一可以改變的是，錄入硬盤的時候采用Unicode跟哪種編碼進行轉換？到底是Unicode轉成GBK，還是Euc-kr？

但是咱們應該轉成的是UTF-8,因為UTF-8是兼容萬國字符的，而且也比Unicode更精簡。

那為什么我們不把內存里也直接換成UTF-8呢？還要Unicode干什么呢？這樣不是內存里是最精簡的，硬盤里也是最精簡的嗎？

但是要注意一個問題，Unicode不僅僅是兼容萬國字符，它還充當了一個中介的功能，它與以前那些老的字符編碼有對應關系。

所以咱們現在內存里仍然使用的是Unicode編碼，這樣能夠使得從過去的諸侯并起的編碼方式，過渡到現在最理想的UTF-8會更加的平滑。

所以從現在開始，對于專業(yè)人士來說，所有的新文件，再往硬盤存的時候就應該存UTF-8的格式。

這樣當我們硬盤上的數據越來越多，等過五六十年的時候，硬盤上那些老的編碼方式的文件徹底被淘汰了，全都是UTF-8格式的文件了。

到那個時候Unicode就可以徹底下崗了，內存里就可以直接使用UTF-8格式了。

于是計算機又回到了那個天下大同的局面了，我們也就再也不會遇到亂碼問題了。

未經允許不得轉載：445IT之家 » Python 天下大同