大家可能在计算机上看到过类似ASCII, GBK, GB2013,Unicode等等这些东西，但是却搞不清楚它们的关系，没办法正确地使用。再此，特对编码进行简要说明，让大家可以更好地理解和运用。

1. 编码产生的原因

在计算机中，所有的数据在存储和运算时，都要使用二进制数(也就是0和1两个数)表示。但是，具体使用哪些二进制数代表哪个具体的符号，每个地区都有自己约定的一套规则，这就是编码。

2.常见编码类型

a. ASCII

ASCII (American Standard Code for Information Interchange)，美国信息交换标准代码是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言，它是最通用的信息交换标准ASCII。第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年，到目前为止共定义了128个字符。

由此我们可以看出ASCII是美国人自己搞的一套编码，它可以适用于英语的书写，英语的26个大小写字母以及一些常用的符号都包含在内。

但是，对于其它国家自己的语言来说，这就不适用了。以中文为例，常用的汉字就有5000多个，这个怎么用ASCII码去表示呢？这个是无法表示的。

所以，我们国家研发了自己的一套编码规则，也就是GB 2312-1980和GBK两套编码。

b. GB 2312-1980

GB是啥意思？ 2312是什么意思？ 1980又是什么意思呢？

GB就是汉语拼音国标的首字母，也就是国家标准的意思；

2312是套标准的一个编号，就类似你家的邮政编号一样，只是一个编号而已；

那1980呢？ 这个很显然就是年份嘛，就是说这个是在1980年发布的。

那么它完整的意思应该就是：在1980年发布的一套编号为2312的国家标准编码规则。

哈哈，是不是一下就清楚了！？

下面是详解： 

《信息交换用汉字编码字符集》是由中国国家标准总局1980年发布，1981年5月1日开始实施的一套国家标准，标准号是GB 2312—1980。

GB2312编码适用于汉字处理、汉字通信等系统之间的信息交换，通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持GB 2312。

基本集共收入汉字6763个和非汉字图形字符682个。整个字符集分成94个区，每区有94个位。每个区位上只有一个字符，因此可用所在的区和位来对汉字进行编码，称为区位码。

把换算成十六进制的区位码加上2020H，就得到国标码。国标码加上8080H，就得到常用的计算机机内码。1995年又颁布了《汉字编码扩展规范》（GBK）。GBK与GB 2312—1980国家标准所对应的内码标准兼容，同时在字汇一级支持ISO/IEC10646—1和GB 13000—1的全部中、日、韩（CJK）汉字，共计20902字。

c. GBK 

有了GB 2312，中国的计算机事业得以发展壮大。但是发展发展着，发现，诶， GB 2312的的编码不够用了，我们有更多的内容需要传入到计算机里面，怎么办？那就扩展一下嘛，所以就有了GBK 这种编码(我悄悄地告诉你，这个K不就是扩的汉语拼音嘛？)

下面是详解:

1995年，国家颁布了《汉字编码扩展规范》（GBK）。GBK与GB 2312—1980国家标准所对应的内码标准兼容，同时在字汇一级支持ISO/IEC10646—1和GB 13000—1的全部中、日、韩（CJK）汉字，共计20902字。简单来说，不就是可以储存的东西变多了嘛！

d. Unicode

上面讲了一下中国的编码方式。但是如果这样看的话，那是不是每个地区都得自己弄一套编码规则啊？世界上有那么多国家，那么多语言，这个怎么办呢？

为了解决这一问题，我们的万国码诞生了。

Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。

这样一来，是不是不同地区的编码就统一了呢？ 大家用不同语言写的东西，都可以适用于这一套规则，这多方便啊！

e. UTF-8

Unicode码，这里是UTF-8，是不是长得很像啊？都是U开头的。没错，你猜对了，UTF-8又是Unicode的升级版本。为什么会有这个版本呢？

这是因为，对于原本的ASCII码，我们至于要占一个位(使用一个字节的内存)就可以储存信息了，但是Unicode码包含了更多的语言文字，就需要更长的编码去表示一个文字/字符，那么对于原本只需要用ASCII就能解决的问题，用Unicode码去编写，这样就造成了一种极大的浪费，大大占用了计算机的储存空间。所以，UTF-8就是为了解决这个问题而诞生的。

详解：

UTF-8（Universal Character Set/Unicode Transformation Format）是针对Unicode的一种可变长度字符编码。它可以用来表示Unicode标准中的任何字符，而且其编码中的第一个字节仍与ASCII相容，使得原来处理ASCII字符的软件无须或只进行少部份修改后，便可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。

这里的8表示8位元，就是说，一个字符最多可以占8个位置。但是如果只要要一个位置就能表达，就别扯淡去占用空间了，能用一位表示就用一位；不行就两位，再不行就三位........一直到8位。

知道了编码规则，就很好解释为什么会出现乱码现象了。

如果你在大街上看到一个法语单词，你以为这是英语单词，你就去抱着英汉词典去查，这样能查到吗？

有些人要反驳了！

的确有可能查到啊。 比如英文的style和法语的style一模一样，只是发音不同。 

这就对了嘛！！！ 所以，有的时候，出现错误了编码，我们还是能看懂一些东西，或者说有那么一部分它的编码还是相通的。

那要怎么去解决乱码的问题呢？ 最简单有效的方法就是在代码的后面加上一个encoding = '编码'，比如，encoding = 'utf-8'就可以了。 

有的人可能还是不理解，以上图为例，报错出现了UnicodeDecodeError: 'utf-8' codes cant't decode byte 0xd0 in position 0: invalid continuation byte。

这个是什么意思呢？ 就是解析解码出错了！！！ 使用utf-8无法正确地解析一些编码，那我们换一种编码就好了嘛！！

也就是这个亚子：

注意：可以多尝试不同的编码方式！

详见：https://jingyan.baidu.com/article/ff42efa9e04733c19e2202f4.html