• ANSI：
  ANSI字串我們最熟悉，英文佔一個位元組，漢字2個位元組，以一個\0結尾，常用於txt文字檔案

• Unicode：

  • Unicode字串每個字元(漢字、英文字母)都佔2個位元組，以2個連續的\0結尾；
  • NT作業系統核心用的是這種字串，常被定義為typedef unsigned short wchar_t;所以我們有時常會見到什麼char無法轉換為unsigned short之類的錯誤，其實就是unicode。
  • little endian： 最低位地址存放低位位元組，可稱低位優先，記憶體從最低地址開始按順序存放（低數位數字先寫）。最低位位元組放最前面。
  • big endian： 最低位地址存放高位位元組，可稱高位優先，記憶體從最低地址開始按順序存放（高數位數字先寫）。最高位位元組放最前面。

• UTF8：
  UTF8是Unicode一種壓縮形式。

  • 英文A在unicode中表示為0x0041，老外覺得這種儲存方式太浪費，
    因為浪費了50%的空間，於是就把英文壓縮成1個位元組，成了utf8編碼，但是漢字在utf8中佔3個位元組，
    顯然用做中文不如ANSI合算，這就是中國的網頁用作ANSI編碼而老外的網頁常用utf8的原因。

• 簽名BOM：
  BOM 是 Byte Order Mark 的縮寫(位元組順序標記)，是編碼方案裡用於標識編碼的標準標記。

  • ANSI 檔案沒有 BOM
  • UTF-8 檔案的 BOM 為：EF BB BF，不過 UTF-8 檔案可以有 BOM，也可以沒有 BOM
  • Unicode big endian 檔案的 BOM 為：FE FF
  • Unicode little endian 檔案的 BOM 為：FF FE

以上是各編碼常識。

錯誤程式碼：

UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

字串在python內部的表示是unicode編碼，因此，在做編碼轉換時，通常需要unicode作為中間編碼，即先將其他編碼的字串解碼（decode） 成unicode，再從unicode 編碼（encode） 成另一種編碼。
- decode： 將其他編碼的字串轉換成unicode編碼，如str1.decode（‘gb2312’），表示將gb2312編碼的字串str1轉成unicode編碼。
- encode：

因此 ：轉碼的時候一定要先搞明白，字串str是什麼編碼，然後decode成unicode，然後再encode成其他編碼

• 如：s=’中文’
  如果是在utf8的檔案中，該字串就是utf8編碼，如果是在gb2312的檔案中，則其編碼為gb2312。這種情況下，要進行編碼轉換，都需 要先用decode方法將其轉換成unicode編碼，再使用encode方法將其轉換成其他編碼。通常，在沒有指定特定的編碼方式時，都是使用的系統默 認編碼建立的程式碼檔案。
• 如：s=u’中文’
  則該字串的編碼就被指定為unicode了，即python的內部編碼，而與程式碼檔案本身的編碼無關。因此，對於這種情況做編碼轉換，只需要直接使用encode方法將其轉換成指定編碼即可。

以下，關於python 相關編碼程式碼解釋：

# -*- coding=utf8 -*- 

當你在py檔案的第一行中，寫了這句話，並確實按照這個編碼儲存了文字的話，那麼這句話有以下幾個功能。
1. 使得詞法分析器能正常運作，對於註釋中的中文不報錯了。
2. 對於u”中文”這樣literal string能知道兩個引號中的內容是utf8編碼的，然後能正確轉換成unicode
3. “中文”對於這樣的literal string你會知道，這中間的內容是utf8編碼，然後就可以正確轉換成其它編碼或unicode了。

sys.getfilesystemencoding()

返回的字元編碼用於將Unicode檔名對映到底層作業系統使用的檔名。
對於Windows返回’mbcs’, 或對於Macintosh OSX返回’utf-8’。在UNIX系統上,編碼取決於區域設定並將返回區域引數CODESET的值。在使用預設編碼的系統上可能返回None。

-未完待續。。。