看完《Joel on software》上的《The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)》之後，覺得對UTF-8、Unicode、ASCII之類的字眼的有種茅塞頓開的感覺，在用Python2時碰到的種種字串問題總算是有了個答案，也明白了為什麼現在是UTF-8的世界。下面是我閱讀過程中做的一些筆記，希望對你有用！

1. （此時是英語的世界，所謂的字符集指所有英文字母以及一些其他符號）
2. ASCII編碼——使用7個bit
3. 一個byte有8個bit，還有一個bit沒被ASCII使用
4. OEM編碼——包含很多個字符集，free-for-all，大家用各種不同的方式使用第8個bit；不同的方式加在一起叫做ANSI字符集，每種不同的使用方式叫做code page
5. （此時加入了一些亞洲字母，字符集在上面字符集基礎上擴充）
6. 很多亞洲字母，8個bit放不完，於是有了DBCS編碼（double byte character set）
7. 網際網路出現，上面那一堆開始崩潰，於是Unicode字符集出現
   1. Unicode是為了建立一個單一的字符集，它可以囊括這個星球上所有的書寫系統
   2. 在Unicode字符集中，一個字元被表示為一個code point（U+XXXX），裡面的字母8進位制
8. 字符集怎麼存進記憶體或者表示在email裡面呢？需要編碼
   1. 最早是全部2個bytes（UTF-16編碼、UCS-2編碼），但是如U+0048，是儲存為high-endian還是low-endian呢（會影響CPU運算速度），不同機器不同的偏好，所以出現了BOM（Unicode Byte Order Mark，利用文件開頭的FF、FE判斷是high-endian還是low-endian）
   2. 問題是，只用英語的人開始抱怨要用比以前更多的空間，而且以前用ANSI和DBCS編碼的文件也沒人轉換他們
   3. 於是UTF-8編碼出現了，0-127仍然是一個byte，其他依次增加byte，從2-6不等——UTF-8英語文字和用ASCII的一模一樣
   4. 還有其他的一些編碼方式，如UTF-7編碼、UTF-32（UCS-4）編碼
   5. 編碼問題自此全部解決！
9. 最重要的！世界觀可以改變了，現在是Unicode字符集的世界觀——你可以將所有letter看做是code point。你可以對這些code point進行舊式編碼方式進行編碼，例如ASCII等，但是會有錯，會有問號、方格；或者用新式編碼進行編碼，例如UTF-7、8、16、32都可以
10. 至於這麼個囊括所有東西的字符集Unicode是怎麼得來的，反正有人冒著各種風險，各種政治因素，把它搗弄出來了！
11. 給你一個字串但是不給你編碼方式，是沒用的！
    1. 0-127的還好，128以上的只能呵呵。
    2. HTML的Content-Type
    3. IE還能去猜你的編碼= =