字符编码
参见原文。
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。
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。
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，还有完没完？！
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。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。
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。
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。
比如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。
又比如浏览网页的时候，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的信息，表示该网页正是用的UTF-8编码。
ASCII字母数字互换
ord('A')
65
chr(65)
'A'
Unicode vs UTF-8
# python unicode
print u'中'
u'中' # unicode
中
u'\u4e2d'
'中' # utf-8，每个字一般对应三个字节
'\xe4\xb8\xad'
转为UTF-8
用encode('utf-8')，把Unicode编码为utf-8。
u'A'.encode('utf-8')
'A'
u'中'.encode('utf-8')
'\xe4\xb8\xad'
英文字符转换后表示的UTF-8的值和Unicode值相等（但占用的存储空间不同），而中文字符转换后1个Unicode字符将变为3个UTF-8字符，你看到的\xe4就是其中一个字节，因为它的值是228，没有对应的字母可以显示，所以以十六进制显示字节的数值。
len(u'A')
1
len('A')
1
len(u'中')
1
len('中')
3
len('\xe4\xb8\xad')
3
转为Unicode
用decode('utf-8')，把utf-8解码为Unicode。
'A'.decode('utf-8')
u'A'
print '\xe4\xb8\xad'.decode('utf-8')
'\xe4\xb8\xad'.decode('utf-8')
中
u'\u4e2d'
'中'.decode('utf-8')
u'\u4e2d'
常用代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import sys
reload(sys)
sys.setdefaultencoding('UTF-8')