字符集其实是个很简单的东西，但很多人当时看懂了，过了就忘了。
本篇文章的目的就是，不一定要把字符集的知识讲的有多深，但是一定要在工作上够用。
并且记得足够牢足够久。
工作中遇到的“词汇”，主要是ASCII、GB2312、GBK、Unicode、UTF-8，还有URL Encode、URL Escape。
编码和解码
编码，encode。
解码，decode。
编码，编成计算机能懂的码，二进制。
解码，解成人类能读懂的码，人语言。
想让计算机懂，你得编它。
想让人类能懂，你得解释。
字符代码和字符编码
字符代码就是序号，比如65。
字符编码二进制序列，比如01000001。
由于基本相同，所以我们平时就忽略了差异。
差异体现在哪呢？UTF-8。
字符集发展历史
美国，英文字母、标点符号字符、阿拉伯数字，ASCII。
欧洲，加入带重音的字符、希腊字母等，Latin-1。
中国！加入汉字！ GB2312 。
加入生僻字、繁体字及日韩汉字等，GBK。
各说各的，乱码。
ISO国际标准化组织一统江湖，Unicode。
再编码，UTF-8。
因为Unicode需要遵循统一的存储，就造成了资源浪费，比如汉字和英文，占用的空间是不一样了。
为了支持这种差异，节约存储，高效传输，对Unicode进行了再编码，也就是UTF-8，也是用的最广泛的字符集之一。
URL Encode和URL Escape
Web服务器只允许URL中包含ASCII。
那怎么办？只有先encode成二进制，让服务器自己decode咯。
所以URL Encode后是“百分号+2位十六进制”的形式，比如%20。
需要Encode的包括
- 非ASCII字符
- ASCII控制字符，因为不可打印
- 保留字符，如&，因为URL自身是用&分隔的，参数内容包括&的话就要Encode
- 不安全字符，如空格，可能造成歧义
用Python来实际看看
from urllib.parse import urlencode
x = urlencode({"a": 1, "b": "a", "c": "汉", "d": " ", "e": "&"})
print(x) # a=1&b=a&c=%E6%B1%89&d=+&e=%26
URL Escape，也就是URL转义，碰到最多的就是把<、>、&转成<、>、&。
Python html.escape函数，一切尽在代码中
def escape(s, quote=True):
"""
Replace special characters "&", "<" and ">" to HTML-safe sequences.
If the optional flag quote is true (the default), the quotation mark
characters, both double quote (") and single quote (') characters are also
translated.
"""
s = s.replace("&", "&") # Must be done first!
s = s.replace("<", "<")
s = s.replace(">", ">")
if quote:
s = s.replace('"', """)
s = s.replace('\'', "'")
return s
有时候还会碰到被转成了\u003e、\u003c、\u0026，这是JSON序列化搞出来的Unicode。
简要回顾
本文首先讲了怎么记忆编码和解码，然后通过字符代码和字符编码的差异，引出了如今常用的UTF-8，接着从发展历史来看，字符集是怎么发展到现在的。最后解释了Web URL中容易混淆的2个概念，URL Encode和URL Escape。
当然，如果过了不久还是忘了，那么只有把这篇文章翻出来再看一遍了（手动滑稽）。