在阅读本文之前，相信你一定会有以下的疑问。
A.2进制、4进制、8进制、10进制、16进制，计算机到底是用哪种进制？
B.1kb 是1000字节？1000比特？还是1024？
C.计算机表示的数，什么时候是2进制表示？什么时候是其他进制表示的？
D.为什么有各种各样的编码？相互之间有何区别？
E.网页上的数据为utf-8编码。获取其数据后，直接写入到txt中，写入的是bit流？
F.这种bit流是什么方式表示的？16进制？8进制？
G.如果遇到两种编码的文件，其数据放到一起之后，难道应该分别进行编码解码？
--------------------------------------------------------------------------------------------------
1.计算机底层使用哪种进制？
（1）计算机内部是由集成电路这种电子部件构成的，电路只可以表示两种状态：电压高低、电流有无、电路通电断电。
（2）两种状态更稳定，也更容易区分。
（3）容易实现逻辑运算。
综合以上特性，计算机内部只能处理二进制。因此，无论最后以何种方式表示这个二进制代表的数，底层的计数方式为二进制！
2.字节与比特？
进制是按照进位方式计数的数制系统，进位方式计数含有基数和位权这两个参数。
二进制数 110 表示 1*2^2 + 1*2^1 + 0*2^0 = 6 1、1、0为基数 位权为2^2、2^1、2^0
底层 11111111 —— 可以使用 255（十进制）表示、 也可以使用 FF(16进制）、甚至是四进制3333
由此可以衍生出各个进制对数的表示。但考虑到计算机内部处理的其实是二进制，因此，我们以此为入口进行分析。
1位的二进制数范围在0-1（0-1）
2位的二进制数范围在0-3（00-11）
3位的二进制数范围在0-7（000-111）
4位的二进制数范围在0-15（0000-1111）
8位的二进制数范围在0-255（00000000-11111111）
当要表示的数逐渐变大的时候，以二进制方式计数的话，位数将会逐渐增多。内部计算机中占用的“格子”也会增加。计算机中，每1位二进制数所占的“格子”叫做bit（比特），八个bite构成一个Byte(字节)。
3.计算机中数据的表示？
计算机存储信息的基本单位是“字节”即Byte。一个Byte=8bit
即一个字节等于八个二进制位。表示数的范围为0-255
字节这个单位在实际使用中实在是太小的。常用的比字节大的单位还有：
1KB（千字节）＝1024Byte
1MB（兆字节）=1024KB
1GB（吉字节）=1024MB
1TB（太字节）=1024GB
之所以之间倍数为1024，让我们来设想一下某人让 1 KB = 1000 Byte。
然后计算机会说：“有个问题想不通？1 KB 为什么要等于 1111101000 Byte？？？为什么不能等于 10000000000 Byte 啊？？？？” k是倍数的简称，也是考虑到2进制10000000000的1024，所以不代表1000。
底层原理是以二进制来表示实际的数，而二进制的位权是以8位bit的字节进行存储，因此在实际的数字上，要么是8位、要么是16位、要么是32位，对应的就是一个字节、两个字节、三个字节。
4.编码问题详解
UnicodeEncodeError: 'gbk' codec can't encode character '\u27a2' in position 119: illegal multibyte sequence
UnicodeEncodeError: 'gbk' codec can't encode character '\xf4' in position 264: illegal multibyte sequence
UnicodeEncodeError: 'gbk' codec can't encode character '\ufeff' in position 277: illegal multibyte sequence
UnicodeEncodeError: 'gbk' codec can't encode character '\u2122' in position 212: illegal multibyte sequence
相信使用python的各位大胸弟都会遇到类似的问题，尤其是在mac上码好的代码，放到windows下，突然出现以上的错误。心态绝对会爆炸。
带着这个问题，我们来研究一下编码问题。
（1）编码、解码
encode字面意思：编码，编制成计算机语言。
decode字面意思：解码，分析及译解电子信号，找出实际意思。
第一部分我们已经知道，一个字符计算机底层数据是以二进制的bit流表示的。一般而言，表示这个bit流采用16进制方式。如：
str ='辣条'
print(str.encode())
输出结果为：b'\xe8\xbe\xa3\xe6\x9d\xa1' 其中的“\x” 表示十六进制。
那么当出现b'\xe8\xbe\xa3\xe6\x9d\xa1'的时候，它代表的是什么？这时候就用到了编码方式。
当遇到这样一串bit流，就需要找出正确的密码本，从密码本中分析电子信号，找出真实意思。
（2）密码本（各种编码及之间的关系）
由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。
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，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。
Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。
I 0049
t 0074
' 0027
s 0073
0020
知 77e5
乎 4e4e
日 65e5
报 62a5
以上就是“It's 知乎日报” unicode字符集的编码表。统一成Unicode编码后，当出现编码后的数据，我们也可以将其翻译出它的实际意思。当然，在找出其真实的意思之前，还有一步，那就是翻译的规则是什么？
unicode是一个字符集，里面几乎包含了目前世界上已知的所有字符，且该字符集将二进制代码和字符形成一一映射，即一个字符对应且只对应一个二进制代码，反过来，一个二进制代码对应且只对应一个字符。如果我们有一个字符，那么通过Unicode字符集很容易找到该字符对应的二进制码，但是，反过来，可能会出现混乱。
用通信理论的思路可以理解为:
unicode是信源编码，对字符集数字化;
utf8是信道编码，为更好的存储和传输。
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，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间。
ASCII编码 ——>（GB2312、Shift_JIS、Euc-kr。。。各种冲突）——>unicode全世界语言整合到一起——>UTF-8／UTF-16
一句话，utf8是对unicode字符集进行编码的一种编码方式。
（3）字符串
在python3.6中，字符串'辣条'字符编码方式为unicode，unicode字符集的编码方式为utf-8。所以python3.6中，字符串'辣条'的默认编码方式utf-8。
可以理解utf是对unicode字符集的编码方式，就像 ascall码，但是gb2312，gbk，iso-8859-1这些不但是字符集也是编码方式。
str = '辣条'
print(str.encode('utf-8'))
