python3字符串以及部分字符集

我们通过requests.content的方式获取到html内容是bytes类型的，需要使用decode()方法将bytes类型转成str类型。那么问题来了，什么是bytes类型，什么是str类型？

• bytes类型：二进制
  互联网上的数据都是以二进制的方式进行传输的

• str类型：Unicode的呈现形式

字符（Character）是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等

字符集（Character）是多个字符的集合

字符集包括：ASCII字符集、GB2312字符集、Unicode字符集等

ASCII编码是1个字节，而Unicode编码通常是2个字节

UTF-8是Unicode的实现方式之一。UTF-8是一种变成的编码方式，可以是1，2，3个字节

谈谈自己的理解。

首先是ASCII码，全称叫做美国信息交换标准代码。在计算机中，所有的数据在存储和运算时都要使用二进制表示。ASCII码就规定了哪些二进制数表示哪些字符，比如说二进制01000001，也就是十进制的65就代表大写的‘A’。起初，计算机只有在美国等少数国家存在，这些国家基本使用英语。使用单字节编码，一个字节是由8位0和1组成，所以单字节能表示2的8方，也是256个字符，对于这些国家，单字节编码就足够了。

后来，计算机发展到其他国家。ASCII码只能表示256个字符，中国汉字有7000多个，常用汉字也有3000多个，所以说中国，需要有自己的编码方式，出现了GB2312等一些编码方式。当然还有一些其他国家，比如说俄罗斯使用俄语，日本使用日语，他们也有自己国家的编码方式。但是，这种情况下，各个国家之间进行信息交流，使用起来很不方便。

美国使用ASCII码，中国使用GB2312字符集等等。这个时候，国际组织说，我们统一一下，使用两个字节，制定一套Unicode码，能表示65536个字符，可以容纳世界上所有文字和符号的字符编码方案。这样，问题就不就解决了？于是诞生了Unicode，但是Unicode并没有流行起来。因为有些国家，比如说美国，使用单字节，就可以表示所有的英语用到的数字，字母，特殊符号等。（我使用一个字节就足够了，为啥要使用两个字节）。这个时候出现了UTF-8，UTF-8是Unicode的实现方式之一。我所理解的UTF-8，叫做可变长字节编码，比如说，美国使用单字节，中国使用两个字节等。

上面是我对ASCII，GB2312，Unicode，UTF8字符集出现的一点简单理解。现在我们经常使用UTF-8字符集。

最后，在python3中，bytes和str如何转化呢？

• 使用decode()方法将bytes转为str

• 使用encode()方法将str转为bytes

---

附一下廖雪峰的官方网站-关于字符串和字符编码的讲解，很清楚。（自己上面写的，一直忘了从哪看的，原来是从廖老师网站上看的，哈哈哈）
字符串和编码