ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。ASCII 是一种字符编码，同时也是一种最简单的字符集编码，把128 个字符映射至整数0 ~ 127。
在 ASCII码里面，虽然你看到的是一个字符，但是对于计算机来说，存的就是二进制的整数，也就是说你看到的可能是abcd，但是计算机内部存的就是97 98 99 100。
ASCII这种7-bit 字符编码系统非常简单，在计算机中以一个字节存储一个字符。如下所示，
我安装了一个ascii
下面就是详细的信息：
[root@iZ28b4rx8dxZ ~]# yum install ascii
[root@iZ28b4rx8dxZ ~]# ascii
Usage: ascii [-dxohv] [-t] [char-alias...]
-t = one-line output -d = Decimal table -o = octal table -x = hex table
-h = This help screen -v = version information
Prints all aliases of an ASCII character. Args may be chars, C \-escapes,
English names, ^-escapes, ASCII mnemonics, or numerics in decimal/octal/hex.
Dec Hex Dec Hex Dec Hex Dec Hex Dec Hex Dec Hex Dec Hex Dec Hex
0 00 NUL 16 10 DLE 32 20 48 30 0 64 40 @ 80 50 P 96 60 ` 112 70 p
1 01 SOH 17 11 DC1 33 21 ! 49 31 1 65 41 A 81 51 Q 97 61 a 113 71 q
2 02 STX 18 12 DC2 34 22 " 50 32 2 66 42 B 82 52 R 98 62 b 114 72 r
3 03 ETX 19 13 DC3 35 23 # 51 33 3 67 43 C 83 53 S 99 63 c 115 73 s
4 04 EOT 20 14 DC4 36 24 $ 52 34 4 68 44 D 84 54 T 100 64 d 116 74 t
5 05 ENQ 21 15 NAK 37 25 % 53 35 5 69 45 E 85 55 U 101 65 e 117 75 u
6 06 ACK 22 16 SYN 38 26 & 54 36 6 70 46 F 86 56 V 102 66 f 118 76 v
7 07 BEL 23 17 ETB 39 27 ‘ 55 37 7 71 47 G 87 57 W 103 67 g 119 77 w
8 08 BS 24 18 CAN 40 28 ( 56 38 8 72 48 H 88 58 X 104 68 h 120 78 x
9 09 HT 25 19 EM 41 29 ) 57 39 9 73 49 I 89 59 Y 105 69 i 121 79 y
10 0A LF 26 1A SUB 42 2A * 58 3A : 74 4A J 90 5A Z 106 6A j 122 7A z
11 0B VT 27 1B ESC 43 2B + 59 3B ; 75 4B K 91 5B [ 107 6B k 123 7B {
12 0C FF 28 1C FS 44 2C , 60 3C < 76 4C L 92 5C \ 108 6C l 124 7C |
13 0D CR 29 1D GS 45 2D - 61 3D = 77 4D M 93 5D ] 109 6D m 125 7D }
14 0E SO 30 1E RS 46 2E . 62 3E > 78 4E N 94 5E ^ 110 6E n 126 7E ~
15 0F SI 31 1F US 47 2F / 63 3F ? 79 4F O 95 5F _ 111 6F o 127 7F DEL
[root@iZ28b4rx8dxZ ~]#
截个图显示一下：
虽然ASCII好用，但是，很多时候一个字符用一个字节并不够。例如，各种符号和重音字符并不在ASCII所定义的可能字符的范围中，
为了容纳特殊字符，一些标准允许一个8位字节的所有bit都用来表示字符，那么，一个字节最多就可以表示255个字符了，这样的一个标准叫latin-1
Latin1是ISO-8859-1的别名，有些环境下写作Latin-1。ISO-8859-1编码是单字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。
因为Latin-1 编码范围使用了单字节内的所有空间，在支持Latin-1 的系统中传输和存储其他任何编码的字节流都不会被抛弃。换句话说就是把其他任何编码的字节流当作Latin-1 编码看待都没有问题。这是个很重要的特性，MySQL数据库默认编码是Latin1就是利用了这个特性。
在latin-1中，127以上的字符代码分配给了重音和其他特殊字符
>>> print chr(169)
?
>>> print chr(189) #chr这个函数把数字转换成字符
?
>>> print chr(174)
?
1、在计算机里面一个字节是8位二进制，8位二进制可以表示255个字符，但是ASCII只有128个，也就是说第八位的那个bit是没有用的，只用到了后面的7个bit来表示ASCII，但是latin-1就把第八位的那个bit用到了，换句话说就是把一个字节的最高位的bit也使用上了。
2、latin-1虽然对ASCII进行了扩展，可以表示最多为256个字符，但是，它仅适合美国英语，甚至一些英语中常用的标点符号、重音符号都不能表示，无法表示各国语言，特别是中文等表意文字（一种用象征性书写符号记录词或词素的文字体系，不直接或不单纯表示语音。 ）
GB 2312是一个简体中文汉字编码国家标准，GB2312对汉字采用双字节编码，由6763个常用汉字和682个全角的非汉字字符组成。其中汉字根据使用的频率分为两级。一级汉字3755个，二级汉字3008个。由于字符数量比较大，GB2312采用了二维矩阵编码法对所有字符进行编码。
台湾地区繁体中文标准字符集，采用双字节编码，也称为大五码，具体的信息我就不介绍了，百度上一堆
1995年12月发布的汉字编码国家标准，是对GB2312编码的扩充，对汉字采用双字节编码。GBK字符集共收录21003个汉字，包含国家标准GB13000-1中的全部中日韩汉字，和BIG5编码中的所有汉字。
最一开始，在Unicode 出现之前，各地区国家制定了不同的编码系统，也就是说中文自己进行编码，如GB 2312 和大五码等，日文也自己进行编码，如主要用JIS ，这样会造成混乱不便，例如一个文本信息里面混合了不同的语言，就不能正确的表示信息，也就是无法进行混合的使用。
Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它对世界上大部分的文字系统进行了整理、编码，使得电脑可以用更为简单的方式来呈现和处理文字，以满足跨语言、跨平台进行文本转换、处理的要求。
统一码为每一个字符而非字形定义唯一的代码（即一个整数）。换句话说，统一码以一种抽象的方式（即数字）来处理字符，并将视觉上的演绎工作（例如字体大小、外观形状、字体形态、文体等）留给其他软件来处理，例如网页浏览器或是文字处理器
Unicode是为了解决传统的字符编码方案的局限而产生的
每个字符映射至一个整数码点（code point），码点的范围是0 至0x10FFFF，在表示一个Unicode的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符。在Python中，用\uxxxx表示。所以有的时候用写Python的过程中看到了像\u四个十六进制的的字符的话，说明这个字符是Unicode。
其中Unicode 还制定了各种储存码点的方式，这些方式称为Unicode 转换格式（Uniform Transformation Format, UTF）。
现在流行的UTF 为UTF-8、UTF-16 和UTF-32。每种UTF 会把一个码点储存为一至多个编码单元（code unit）。例如UTF-8 的编码单元是8 位的字节、UTF-16 为16 位、UTF-32 为32 位。除UTF-32 外，UTF-8 和UTF-16 都是可变长度编码。
其中UTF-8 成为现在互联网上最流行的格式，有几个原因：
1、它采用8位编码，八位正好是一个字节，也就是说以字节为编码单元， 不会有字节序（大端模式，小端模式）的问题
- 大端模式：是指数据的低位保存在内存的高地址中，而数据的高位，保存在内存的低地址中； 这和我们的阅读习惯一致。地址的增长顺序与值的增长顺序相反
- 小端模式：是指数据的低位保存在内存的低地址中，而数据的高位保存在内存的高地址中。地址的增长顺序与值的增长顺序相同
单字节的情况下不会出现大端小端的问题，比如说有两个字节，ab就要考虑是a放在前面还是b放在前面，对于大端的话就是a放前面，对于小端的话就是b放前面。我们常用的X86结构是小端模式
2、如果程序原来是以字节方式储存字符，理论上不需要特别改动就能处理UTF-8 的数据
3、每个ASCII 字符只需一个字节去储存
首先声明：utf8和Unicode并不是竞争的关系
UTF-8 的编码单元是8 位字节，每个码点编码成1 至4 个字节。它的编码方式很简单，按照码点的范围，把码点的二进位分拆成1 至最多4 个字节
UTF-8 编码方法的好处之一是，码点范围U+0000 ~ U+007F 编码为一个字节，与ASCII 编码兼容。这范围的Unicode 码点也是和ASCII 字符相同的。因此，一个ASCII 文本也是一个UTF-8 文本
也就是说Unicode编码成utf-8有自己的一套编码方法
用Python举个例子解释一下：
In [24]: name = u‘张三‘
In [25]: name
Out[25]: u‘\u5f20\u4e09‘
把“张三”编码成为utf-8
In [26]: name.encode(‘utf-8‘)
Out[26]: ‘\xe5\xbc\xa0\xe4\xb8\x89‘ #张：e5 bc a0 三：e4 b8 89
这其中的转换过程如下所示：
把5f20和4e09分别翻译成二进制然后转为utf-8
5f20：
翻译为二进制：
0101 1111 0010 0000
按照上面码点范围的转换方式，5f20 应该属于第三个范围 也就是 1110+0101（四位）+10+111100（六位）+10+100000（六位）：
1110 0101 1011 1100 1010 0000
e 5 b c a 0
4e09：
翻译为二进制：
0100 1110 0000 1001
按照上面码点范围的转换方式，4e09 应该属于第三个范围 也就是 1110+0100（四位）+10+111000（六位）+10+001001（六位）：
1110 0100 1011 1000 1000 1001
e 4 b 8 8 9
下一篇会在Python里面详细理解Unicode与utf-8
字符集编码与Python（一）编码历史
原文：http://www.cnblogs.com/moon1223/p/6363651.html
