1. 文本编辑器存取文件的原理（nodepad++，pycharm，word）
打开编辑器就打开了启动了一个进程，是在内存中的，所以在编辑器编写的内容也都是存放与内存中的，断电后数据丢失，因而需要保存到硬盘上，点击保存按钮，就从内存中把数据刷到了硬盘上。在这一点上，我们编写一个py文件（没有执行），跟编写其他文件没有任何区别，都只是在编写一堆字符而已。
即:在没有点击保存时,我们所写的内容都是写入内存。注意这一点，很重要！！当我们点击保存，内容才被刷到硬盘。
上面做了两件事：写内容到内存,从内存将内存刷到硬盘。这是两个过程。
2. python解释器执行py文件的原理 ，例如python test.py
第一阶段：python解释器启动，此时就相当于启动了一个文本编辑器
第二阶段：python解释器相当于文本编辑器，去打开test.py文件，从硬盘上将test.py的文件内容读入到内存中
第三阶段：python解释器解释执行刚刚加载到内存中test.py的代码
python解释器执行py文件分为两个步骤:1.将文件读到内存,2.解释执行内容。
要搞清楚字符编码，首先要解决的问题是：什么是字符编码？
我们都知道，计算机要想工作必须通电,也就是说‘电’驱使计算机干活,而‘电’的特性，就是高低电平(高低平即二进制数1,低电平即二进制数0),也就是说计算机只认识数字(010101).如果我们想保存数据,首先得将我们的数据进行一些处理，最终得转换成010101才能让计算机识别。
所以必须经过一个过程：
字符--------（翻译过程）------->数字
这个过程实际就是一个字符如何对应一个特定数字的标准，这个标准称之为字符编码。
那么问题就来了？作为一种编码方案，还得解决两个问题:
a.字节是怎么分组的，如8 bits或16 bits一组，这也被称作编码单元。
b.编码单元和字符之间的映射关系。例如，在ASCII码中，十进制65映射到字母A上。
ASCII码是上个世纪最流行的编码体系之一，至少在西方是这样。下图显示了ASCII码中编码单元是怎么映射到字符上的。
阶段一：现代计算机起源于美国，最早诞生也是基于英文考虑的ASCII
ASCII，一个Bytes代表一个字符（英文字符/键盘上的所有其他字符），1Bytes=8bit，8bit可以表示0-2**8-1种变化，即可以表示256个字符，ASCII最初只用了后七位，127个数字，已经完全能够代表键盘上所有的字符了（英文字符/键盘的所有其他字符），后来为了将拉丁文也编码进了ASCII表，将最高位也占用了。
阶段二:为了满足中文，中国人定制了GBK
GBK:2Bytes代表一个字符；为了满足其他国家，各个国家纷纷定制了自己的编码。日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里
阶段三：万国码Unicode编码
后来，有人开始觉得太多编码导致世界变得过于复杂了，让人脑袋疼，于是大家坐在一起拍脑袋想出来一个方法：所有语言的字符都用同一种字符集来表示，这就是Unicode。
在UTF-8中：
0100100001000101010011000100110001001111
这个字节流在ASCII和UTF-8中表示相同的字符：HELLO
至于其他的UTF-16，这里就不再叙述了。
总结一点：
因此：
总结：所有程序，最终都要加载到内存，程序保存到硬盘不同的国家用不同的编码格式，但是到内存中我们为了兼容万国（计算机可以运行任何国家的程序原因在于此），统一且固定使用unicode，这就是为何内存固定用unicode的原因，你可能会说兼容万国我可以用utf－8啊，可以，完全可以正常工作，之所以不用肯定是unicode比utf－8更高效啊（uicode固定用2个字节编码，utf－8则需要计算），但是unicode更浪费空间，没错，这就是用空间换时间的一种做法，而存放到硬盘，或者网络传输，都需要把unicode转成utf－8，因为数据的传输，追求的是稳定，高效，数据量越小数据传输就越靠谱，于是都转成utf－8格式的，而不是unicode。
不管是哪种类型的文件，只要记住一点：文件以什么编码保存的，就以什么编码方式打开.
下面我们来看看python中关于编码出现的问题:
如果不在python文件指定头信息＃-*-coding:utf-8-*-,那就使用默认的python2中默认使用ascii，python3中默认使用utf-8
读取已经加载到内存的代码（unicode编码的二进制），然后执行，执行过程中可能会开辟新的内存空间，比如x="hello"
重点来啦：
内存的编码使用unicode，不代表内存中全都是unicode编码的二进制，
浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器
如果服务端encode的编码格式是utf-8， 客户端内存中收到的也是utf-8编码的二进制
1.在python2中有两种字符串类型str和unicode
str类型
当python解释器执行到产生字符串的代码时（例如s=‘林‘），会申请新的内存地址，然后将‘林‘编码成文件开头指定的编码格式，这已经是encode之后的结果了，所以s只能decode。再次encode就会报错。
#_*_coding:gbk_*_ 2 #!/usr/bin/env python 3 4 x=‘林‘ 5 # print x.encode(‘gbk‘) #报错 6 print x.decode(‘gbk‘) #结果：林
在python2中，str就是编码后的结果bytes，str=bytes,所以在python2中，unicode字符编码的结果是str/bytes。
#coding:utf-8 s=‘林‘ #在执行时,‘林‘会被以conding:utf-8的形式保存到新的内存空间中 print repr(s) #‘\xe6\x9e\x97‘ 三个Bytes,证明确实是utf-8 print type(s) #<type ‘str‘> s.decode(‘utf-8‘) # s.encode(‘utf-8‘) #报错，s为编码后的结果bytes，所以只能decode
Unicode类型
当python解释器执行到产生字符串的代码时（例如s=u‘林‘），会申请新的内存地址，然后将‘林‘以unicode的格式存放到新的内存空间中，所以s只能encode，不能decode.
s=u‘林‘ print repr(s) #u‘\u6797‘ print type(s) #<type ‘unicode‘> # s.decode(‘utf-8‘) #报错，s为unicode，所以只能encode s.encode(‘utf-8‘)
特别说明:
当数据要打印到终端时，要注意一些问题.
当程序执行时，比如:x=‘林‘;print(x) #这一步是将x指向的那块新的内存空间（非代码所在的内存空间）中的内存，打印到终端，而终端仍然是运行于内存中的，所以这打印可以理解为从内存打印到内存，即内存->内存，unicode->unicode.对于unicode格式的数据来说，无论怎么打印，都不会乱码.python3中的字符串与python2中的u‘字符串‘，都是unicode，所以无论如何打印都不会乱码.在windows终端（终端编码为gbk，文件编码为utf-8，乱码产生）
#分别验证在pycharm中和cmd中下述的打印结果 s=u‘林‘ #当程序执行时，‘林‘会被以unicode形式保存新的内存空间中 #s指向的是unicode，因而可以编码成任意格式，都不会报encode错误 s1=s.encode(‘utf-8‘) s2=s.encode(‘gbk‘) print s1 #打印正常否？ print s2 #打印正常否 print repr(s) #u‘\u6797‘ print repr(s1) #‘\xe6\x9e\x97‘ 编码一个汉字utf-8用3Bytes print repr(s2) #‘\xc1\xd6‘ 编码一个汉字gbk用2Bytes print type(s) #<type ‘unicode‘> print type(s1) #<type ‘str‘> print type(s2) #<type ‘str‘>
2. 在python3中也有两种字符串类型str和bytes
str类型变为unicode类型
#coding:utf-8 s=‘林‘ #当程序执行时，无需加u，‘林‘也会被以unicode形式保存新的内存空间中, #s可以直接encode成任意编码格式 s.encode(‘utf-8‘) s.encode(‘gbk‘) print(type(s)) #<class ‘str‘>
bytes类型
#coding:utf-8 s=‘林‘ #当程序执行时，无需加u，‘林‘也会被以unicode形式保存新的内存空间中, #s可以直接encode成任意编码格式 s1=s.encode(‘utf-8‘) s2=s.encode(‘gbk‘) print(s) #林 print(s1) #b‘\xe6\x9e\x97‘ 在python3中，是什么就打印什么 print(s2) #b‘\xc1\xd6‘ 同上 print(type(s)) #<class ‘str‘> print(type(s1)) #<class ‘bytes‘> print(type(s2)) #<class ‘bytes‘>
原文：https://www.cnblogs.com/gengyufei/p/12638336.html