關於編譯碼：
在計算機中，所有的字元都是以0、1的二進位制的形式儲存的。如何把乙個字元轉換成二進位制這個過程就叫做編碼，反過來如何把計算機中的二進位制還原成乙個字元叫做解碼。
由此我們可以知道，要想正確的解碼，必須知道是用什麼規則編碼的。假如我們有一種規則叫ascii，在這種規則下字元『a』會被儲存為01100001，那麼解碼時如果按照這種規則解碼就能夠解出『a』，但是如果按照其他規則解碼，可能就解出來奇怪的字元了，這時就會出現亂碼。
我們經常聽說的ascii、utf8、gbk等等都是不同的規則。這樣的規則有很多很多，但是在這些規則中，英文本元的編碼往往都是一致的，而中文或日文則有的規則不支援，即使支援的規則各自定義也不同，所以會出現英文不容易出現亂碼，而中文、日文字元不匹配時容易出現亂碼。
編碼分成兩部分，一部分叫做字符集，規定了在這個規則裡面，id和字元的對應關係。常見的字符集包括ascii，unicode等，比如我們都熟悉ascii碼表中的48號對應的字元是『0』。另一部分是規則，主要規定的是用幾位來表示字元，如何表示字元。比如utf8和utf16，字符集都是unicode，但是字長的定義不同，因此最後編碼產生的結果也不同。
常見的編碼格式：
ascii:
最早計算機使用在英語國家，而英文本元數量很少，在20世紀60年代，美國制定一套字元編碼，對英語字元與二進位制位之間的關係做統一規定，被稱為ascii碼沿用至今。
ascii碼規定了128個字元的編碼（包括32個不能列印出來的控制符號），只占用了乙個位元組的後面7位，最前面的1位統一規定為0。
在我們程式設計使用的
python 2.7
中，預設的
string
的編碼方式是
ascii碼。
unicode:
隨著計算機的發展，各種語言文字都要進行計算機的編譯碼，ascii碼顯然不滿足不同國家的不同需求。各個國家自行定義自己的字符集，會導致互相解碼失敗，出現亂碼。如果有一種編碼，將世界上所有的符號都納入其中。每乙個符號都給予乙個獨一無二的編碼，那麼亂碼問題就會消失。於是就產生了unicode，這是一種對所有語言和符號的編碼。unicode當然是乙個很大的集合，現在的規模可以容納100多萬個符號。每個符號的編碼都不一樣，比如，u+0639表示阿拉伯字母ain，u+0041表示英語的大寫字母a，u+4e25表示漢字"嚴"。
要注意的是，unicode只是個符號集，只規定了符號的二進位制**，沒有規定這個二進位制**應如何儲存。比如，漢字"嚴"的unicode是0x4e25（100111000100101），也就是說這個符號的表示至少需要2個位元組。而其他字元可能需要更多位元組。
這就有兩個問題，第一，計算機如何知道三個位元組都表示同一符號，而不是分別表示三個符號？第二，如果統一規定每個符號用三個或四個位元組表示，那麼對於儲存來說是極大的浪費，文字檔案的大小會因此大出二三倍，這是無法接受的。
它們造成的結果是：1）出現了unicode的多種儲存方式，也就是說有許多種不同的二進位制格式，可以用來表示unicode。2）unicode在很長一段時間內無法推廣。
utf-8:
utf-8是unicode最常見的實現方式之一。utf-8是一種變長的編碼方式，使用1-4個位元組表示乙個符號，根據不同的符號而變化位元組長度。
它的編碼規則很簡單：
1）對於單位元組的符號，位元組的第一位設為0，後面7位為這個符號的unicode碼。因此對於英語字母，utf-8編碼和ascii碼是相同的。
2）對於n位元組的符號（n>1），第乙個位元組的前n位都設為1，第n+1位設為0，後面位元組的前兩位一律設為10。剩下的沒有提及的二進位制位，全部為這個符號的unicode碼。
cp936、cp932、cp437:
codepage，又叫程式碼頁，是用來反映各國的文字編碼與unicode的對映關係的。在windows系統下，cmd命令列中輸入chcp命令，就能獲取當前系統的預設codepage。
目前windows中，中文系統對應的codepage是936，日文系統對應的codepage是932，英文系統對應的codepage是437。windows核心是unicode編碼的，但是為了本地化的顯示，使用不同的codepage來顯示和輸入。utf-8的codepage是65001。
在python （v2.7）中的應用
在python2.7中，為了在不同語言的作業系統的電腦上都能顯示無亂碼，需要注意的是，首先改變程式的預設編碼規則為utf-8，注意程式中的string預設是ascii碼，為了儲存非英文本元，應當統一轉換成utf-8處理。
當輸出到作業系統時，由於utf-8與系統預設的編碼格式可能不相容，因此需要把字串轉換成unicode，讓作業系統根據自身codepage進行處理，這樣才能夠使得非英文本元無亂碼。
匹配漢字英文本元
2012 12 07 18 23 7639人閱讀收藏 舉報匹配中文 u4e00 u9fa5 英文本母 a za z 數字 0 9 匹配中文，英文本母和數字及 u4e00 u9fa5 a za z0 9 同時判斷輸入長度 u4e00 u9fa5 a za z0 9 w u4e00 u9fa5 uf90...
string中英文本元
在c 中字串類的string的模板原型是basic string template class elem,class traits char traits elem class ax allocator elem class basic string 第乙個引數 elem表示型別。第二個引數trai...
中英文本串中統計英文本元個數
工作中遇到如下問題，搜尋網路資源得以解決，記錄以供參考。問題 在一段中英文混合的字串中，通過關關鍵字查詢到某位置p。需要擷取p前後一定長度字元，構成乙個新的字串。問題解析 由於是中貢混合的字串，當向前後擷取長度不當時會出現擷取到中文半個字的情況。面引起出現亂碼的情況。方法 首先確定字串的編碼格式，由...