字符编码：
字符串也是一种数据类型，但是，字符串比较特殊的是还有一个编码问题。
因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制 255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是 65535 ，4 个字节可以表示的最大整数是 4294967295 。
由于计算机是美国人发明的，因此，最早只有127个字母被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。
但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。
全世界有上百种语言，日本把日文编到 Shift_JIS里，韩国把韩文编到 Euc-kr 里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。
因此，Unicode 应运而生。Unicode 把所有语言都统一到一套编码里，这样就不会再有乱码问题了。Unicode 标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要 4 个字节）。现代操作系统和大多数编程语言都直接支持 Unicode。现在，捋一捋 ASCII 编码和 Unicode 编码的区别：ASCII 编码是 1 个字节，而 Unicode 编码通常是 2 个字节。字母 A 用 ASCII 编码是十进制的 65 ，二进制的 01000001 ；字符 0 用 ASCII 编码是十进制的 48 ，二进制的 00110000 ，注意字符 '0'和整数 0 是不同的；汉字 中 已经超出了ASCII编码的范围，用Unicode编码是十进制的 20013 ，二进制的 01001110 00101101 。
你可以猜测，如果把 ASCII 编码的 A 用 Unicode 编码，只需要在前面补0 就可以，因此， A 的 Unicode 编码是 00000000 01000001 。新的问题又出现了：如果统一成 Unicode 编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用 Unicode 编码比 ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。所以，本着节约的精神，又出现了把 Unicode 编码转化为“可变长编码”的 UTF-8 编码。UTF-8 编码把一个 Unicode 字符根据不同的数字大小编码成 1-6 个字节，常用的英文字母被编码成 1 个字节，汉字通常是 3 个字节，只有很生僻的字符才会被编码成 4-6 个字节。如果你要传输的文本包含大量英文字符，用 UTF-8 编码就能节省空间：
从上面的表格还可以发现，UTF-8 编码有一个额外的好处，就是 ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在 UTF-8 编码下继续工作。
搞清楚了 ASCII、Unicode 和 UTF-8 的关系，我们就可以总结一下现在计算机系统通用的字符编码工作方式：
在计算机内存中，统一使用 Unicode 编码，当需要保存到硬盘或者需要传输的时候，就转换为 UTF-8 编码。
用记事本编辑的时候，从文件读取的 UTF-8 字符被转换为 Unicode 字符到内存里，编辑完成后，保存的时候再把 Unicode 转换为 UTF-8 保存到文件：
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：
所以你看到很多网页的源码上会有类似 <meta charset="UTF-8" /> 的信息，表示该网页正是用的 UTF-8 编码。
Python的字符串：
在最新的 Python 3 版本中，字符串是以 Unicode 编码的，也就是说，Python 的字符串支持多语言，例如：
>>> print('包含中文的 str')
包含中文的 str
对于单个字符的编码，Python 提供了 ord() 函数获取字符的整数表示，chr() 函数把编码转换为对应的字符：
>>> ord('A')
65
>>> ord('中')
20013
>>> chr(66)
'B'
>>> chr(25991)
'文'
如果知道字符的整数编码，还可以用十六进制这么写 str ：
>>> 'u4e2du6587'
'中文'
两种写法完全是等价的。
由于 Python 的字符串类型是 str ，在内存中以 Unicode 表示，一个字符对应若干个字节。如果要在网络上传输，或者保存到磁盘上，就需要把str 变为以字节为单位的 bytes 。
Python 对 bytes 类型的数据用带 b 前缀的单引号或双引号表示：
x = b'ABC'
要注意区分 'ABC' 和 b'ABC' ，前者是 str ，后者虽然内容显示得和前者一样，但 bytes 的每个字符都只占用一个字节。
以 Unicode 表示的 str 通过 encode() 方法可以编码为指定的 bytes ，例如：
>>> 'ABC'.encode('ascii')
b'ABC'
>>> '中文'.encode('utf-8')
b'xe4xb8xadxe6x96x87'
>>> '中文'.encode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1:
ordinal not in range(128)
纯英文的 str 可以用 ASCII 编码为 bytes ，内容是一样的，含有中文的 str可以用 UTF-8 编码为 bytes 。含有中文的 str 无法用 ASCII 编码，因为中文编码的范围超过了 ASCII 编码的范围，Python 会报错。在 bytes 中，无法显示为 ASCII 字符的字节，用 x## 显示。
反过来，如果我们从网络或磁盘上读取了字节流，那么读到的数据就是bytes 。要把 bytes 变为 str ，就需要用 decode() 方法：
>>> b'ABC'.decode('ascii')
'ABC'
>>> b'xe4xb8xadxe6x96x87'.decode('utf-8')
'中文'
要计算 str 包含多少个字符，可以用 len() 函数：
>>> len('ABC')
3
>>> len('中文')
2
len() 函数计算的是 str 的字符数，如果换成 bytes ， len() 函数就计算字节数：
>>> len(b'ABC')
3
>>> len(b'xe4xb8xadxe6x96x87')
6
>>> len('中文'.encode('utf-8'))
6
可见，1 个中文字符经过 UTF-8 编码后通常会占用 3 个字节，而 1 个英文字符只占用 1 个字节。
在操作字符串时，我们经常遇到 str 和 bytes 的互相转换。为了避免乱码问题，应当始终坚持使用 UTF-8 编码对 str 和 bytes 进行转换。
由于 Python 源代码也是一个文本文件，所以，当你的源代码中包含中文的时候，在保存源代码时，就需要务必指定保存为 UTF-8 编码。当Python 解释器读取源代码时，为了让它按 UTF-8 编码读取，我们通常在文件开头写上这两行：
第一行注释是为了告诉 Linux/OS X 系统，这是一个 Python 可执行程序，Windows 系统会忽略这个注释；
第二行注释是为了告诉 Python 解释器，按照 UTF-8 编码读取源代码，否则，你在源代码中写的中文输出可能会有乱码。
申明了 UTF-8 编码并不意味着你的 .py 文件就是 UTF-8 编码的，必须并且要确保文本编辑器正在使用UTF-8 without BOM 编码：
如果 .py 文件本身使用UTF-8编码，并且也申明了 # -*- coding: utf-8 -*- ，打开命令提示符测试就可以正常显示中文：
格式化：
最后一个常见的问题是如何输出格式化的字符串。我们经常会输出类似'亲爱的 xxx 你好！你 xx 月话费是 xx，余额是 xx' 之类的字符串，而 xxx的内容都是根据变量变化的，所以，需要一种简便的格式化字符串的方式。
在 Python 中，采用的格式化方式和 C 语言是一致的，用 % 实现，举例如下：
>>> 'Hello, %s' % 'world'
'Hello, world'
>>> 'Hi, %s, you have $%d.' % ('Michael', 1000000)
'Hi, Michael, you have $1000000.'
% 运算符就是用来格式化字符串的。在字符串内部， %s表示用字符串替换， %d 表示用整数替换，有几个 %? 占位符，后面就跟几个变量或者值，顺序要对应好。如果只有一个 %? ，括号可以省略。
常见的占位符：
%d 整数
%f 浮点数
%s 字符串
%x 十六进制整数
其中，格式化整数和浮点数还可以指定是否补 0 和整数与小数的位数：
>>> '%2d-%02d' % (3, 1)
' 3-01'
>>> '%.2f' % 3.1415926
'3.14'
'%2d-%02d' % (3, 1) 左边是字符串 右边是数字 格式化字符串（类似C语言printf中的用法） %2d是长度为2的数字 不足前面补空格，%02d是长度为2的数字 不足两位补0。'%.2f' % 3.1415926 %.2f是保留两位小数点的浮点数。
如果你不太确定应该用什么， %s 永远起作用，它会把任何数据类型转换为字符串：
>>> 'Age: %s. Gender: %s' % (25, True)
'Age: 25. Gender: True'
有些时候，字符串里面的 % 是一个普通字符怎么办？这个时候就需要转义，用 %% 来表示一个 % ：
>>> 'growth rate: %d %%' % 7
'growth rate: 7 %'
小结：
Python 3 的字符串使用 Unicode，直接支持多语言。
str 和 bytes 互相转换时，需要指定编码。最常用的编码是 UTF-8。Python当然也支持其他编码方式，比如把 Unicode 编码成 GB2312：
>>> '中文'.encode('gb2312')
'xd6xd0xcexc4'
但这种方式纯属自找麻烦，如果没有特殊业务要求，请牢记仅使用UTF-8 编码。
格式化字符串的时候，可以用 Python 的交互式命令行测试，方便快捷。