計算機存儲的幾個概念
想要徹底搞清楚編碼問題，我們必須要先搞清楚計算機是怎么存儲數據的，這就涉及到了計算機基礎的幾個概念了，開篇我們就先來捋捋這幾個容易混淆的概念。
bit
二進制位， 是計算機內部數據儲存的最小單位，11010100是一個8位二進制數。一個二進制位只可以表示0和1兩種狀態（21）；兩個二進制位可以表示00、01、10、11四種（22）狀態；三位二進制數可表示八種狀態（2^3）……
Byte
字節，是計算機中數據處理的基本單位，計算機中以字節為單位存儲和解釋信息，規定一個字節由八個二進制位構成，即1個字節等于8個比特（1Byte=8bit）。八位二進制數最小為00000000，最大為11111111；通常1個字節可以存入一個ASCII碼，2個字節可以存放一個漢字國標碼。
字
在計算機中，一串數碼作為一個整體來處理或運算的，稱為一個計算機字，簡稱宇。字通常分為若干個字節(每個字節一般是8位)。在存儲器中，通常每個單元存儲一個字，因此每個字都是可以尋址的。字的長度用位數來表示。在計算機的運算器、控制器中，通常都是以字為單位進行傳送的。
字長
字長：電腦技術中對CPU在單位時間內(同一時間)能一次處理的二進制數的位數叫字長。所以能處理字長為8位數據的CPU通常就叫8位的CPU。同理32位的CPU就能在單位時間內處理字長為32位的二進制數據。
字節和字長的區別：由于常用的英文字符用8位二進制就可以表示，所以通常就將8位稱為一個字節。字長的長度是不固定的，對于不同的CPU、字長的長度也不一樣。8位的CPU一次只能處理一個字節，而32位的CPU一次就能處理4個字節，同理字長為64位的CPU一次可以處理8個字節。
常見的編碼
ASCII: 1個字節，只編碼英文字母和符號
gb2312: 2個字節，增加了中文漢字和符號
Unicode: 把所有語言都統一到一套編碼里把所有語言都統一到一套編碼里，
一般是2個字節，生僻字4個字節
utf-8： 可變長編碼，常用的英文字母被編碼成1個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4-6個字節。如果你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間：
在計算機內存中，統一使用Unicode編碼，當需要保存到硬盤或者需要傳輸的時候，就轉換為UTF-8編碼，這樣可以節省很多存儲空間。
Python編碼
注：這里討論的是python2.7的情況
兩個函數
在python中，str和unicode都是basestring的子類，basestring有以下兩個方法：
encode()： 將unicode字符串轉換為其他編碼字符串，參數為轉換后編碼
decode()： 將其他編碼轉換為unicode字符串，參數為轉換前編碼
PS:"string".decode('utf-8') == unicode('string', 'utf-8')
一個栗子
s = '中文'
print type(s), len(s)
u = u'中文'
print type(u), len(u)
u2s = u'中文'.encode('utf-8')
print type(u2s), len(u2s)
結果是這樣的
<type 'str'> 6
<type 'unicode'> 2
<type 'str'> 6
console下查看u2s
>>> u'中文'.encode('utf-8')
'\xe4\xb8\xad\xe6\x96\x87'
結論：
- python中定義的一個str變量實則是字節串，由Unicode經過編碼(encode)后的字節組成的（
也正好印證了utf8編碼中一個中文字符是3個字節） - Unicode才是真正意義上的字符串，由字符組成
再次回顧兩個函數用法
s = '中文'
# 這時是str，轉為unicode需要用decode
u = s.decode('utf-8')
print type(u)
# 打印 <type 'unicode'>
# unicode轉為str ,使用encode
s2 = u.encode('utf-8')
print type(s2)
# 打印 <type 'str'>
新結論：不同編碼轉換,使用Unicode作為中間編碼
#s是code_A的str
s.decode('code_A').encode('code_B')
在Python 3.x版本中，把'xxx'和u'xxx'已經都統一成Unicode編碼了，即寫不寫前綴u都是一樣的，而以字節形式表示的字符串則必須加上b前綴：b'xxx'。
由于Python源代碼也是一個文本文件，所以，當你的源代碼中包含中文的時候，在保存源代碼時，就需要務必指定保存為UTF-8編碼。當Python解釋器讀取源代碼時，為了讓它按UTF-8編碼讀取，我們通常在文件開頭寫上這兩行：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
