字符集和字符编码 （Charset & Encoding）

在计算机中，字符集是一组可用字符的集合。每个字符都有一个唯一的数字标识，这个数字标识成为字符编码。因此，字符编码是指将字符映射到它们的唯一标识符的过程，这个过程是与特定的字符集相关的。

常见的字符集有 ASCII、ISO-8859、GB2312、GBK、UTF-8 等。不同的字符集支持的字符集合有所不同。例如，ASCII 码支持英文字符集，GBK 包含了汉字，而 Unicode 则合并了所有国际语种和符号。字符集本身并不涉及具体的编码方式，而编码则是将一个字符集中的字符映射到二进制数据的过程。

一个字符要被计算机正确地理解和处理，必须先通过编码转换为二进制数。为了在不同种类的计算机上传输文本和数据，需要引入不同的字符编码方案。字符编码用于表示一段文本的二进制形式，它规定了如何将字符映射到二进制数据。

常见的字符编码有 ASCII、ISO-8859、GBK、GB2312、UTF-16、UTF-8 等。ASCII 是最早的字符编码，只包含英文字母、数字和一些标点符号。而 UTF-8 是一种针对 Unicode 的可变长度字符编码，最多可以使用四个字节来表示一个字符。

下面以实例说明字符集和字符编码的使用。

示例1：使用 ASCII 编码

ASCII 编码是最早的字符编码。它只适用于英文，最多只能表示 128 个字符。其中 0 - 31 是控制字符，32 - 127 是可打印字符。下面的代码将英文字母 “Hello World” 转换为 ASCII 码。

string = "Hello World"
ascii = string.encode('ascii')
print(ascii)

输出结果会是以下内容：

b'Hello World'

这里的 b 表示 ascii 中存储的是字节（Byte）类型的数据，因为 ASCII 码是使用 7 个比特来表示一个字符。所以这段 ASCII 码占用了 11 个字节。

示例2：使用 UTF-8 编码

UTF-8 是一种针对 Unicode 的可变长度字符编码，它可以使用 1～4 个字节来表示一个字符。以下代码演示了如何将 "你好，世界" 使用 UTF-8 编码。

string = "你好，世界"
utf8 = string.encode('utf-8')
print(utf8)

输出结果会是以下内容：

b'\xe4\xbd\xa0\xe5\xa5\xbd\xef\xbc\x8c\xe4\xb8\x96\xe7\x95\x8c'

这里的 \x 表示接下来的两个十六进制数是一个字节，所以这段 UTF-8 编码占用了 15 个字节。

总结

使用正确的字符集和字符编码可以确保文本在不同的计算机、操作系统和程序之间正确解释和呈现。在开发 Web 应用或处理文本数据时，应当了解和掌握不同字符集和字符编码的知识，以避免出现乱码等问题。