unicode每种说话中的每个字符设定了同一并且独一的二进制编码，以知足跨说话、跨平台进行文本转换、处理的请求。unicode编码必定以u开首。

然则，unicode只是一个编码规范，是所有字符对应二进制的集合，而不是具体的编码规矩。或者说，unicode是表示情势，而不是存储情势，就是说没用定义每个字符是若何故二进制的情势存储的。这个就跟GBK这些不一样，GBK是表里如下，表示情势即存储情势。

比如汉字“严”的unicode编码是u4e25，对应的二进制是1001110 00100101，然则当其经由收集传输或者文件存储时，是没法知道怎么解析这些二进制的，轻易和其他字节混在一路。那么怎么存储unicode呢，于是出现了UTF（UCS Transfer Format），这个是具体的编码规矩，即UTF的表示情势与存储格局是一样的。

是以，可以说，GBK和UTF-8是同一个层面的器械，跟unicode是另一个层面的器械，unicode飘在空中，如不雅要落地，须要转换成utf-8或者GBK。只不过，转换成Utf-8，大年夜家都能懂，更懂用，而转换成GBK，只有中国人才看得懂

UTF也有不合的实现，如UTF-8， UTF-16， 这里以UTF-8为例进行讲解（下面一末节引用了阮一峰的文┞仿）。

在上上末节，提到了utf-8编码的str，与gbk编码的str，感到有点绕。我们知道，一个汉字‘严’，可存储的编码格局可所以gbk（’xd1xcf’），也可所以utf-8（’xe4xb8xa5’），那么当我们在终端敲入这个汉字的时刻，是哪一种格局呢？取决于终端默认编码。

unicode与utf-8

UTF-8最大年夜的一个特点，就是它是一种变长的编码方法。它可以应用1~4个字节表示一个符号，根据不合的符号而变更字节长度。UTF-8的编码规矩很简单，只有二条：

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。是以对于英语字母，UTF-8编码和ASCII码是雷同的。

2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有说起的二进制位，全部为这个符号的unicode码。

下表总结了编码规矩，字母x表示可用编码的位。

Unicode符号范围      |        UTF-8编码方法 
(十六进制)           |        （二进制） 
----------------------+--------------------------------------------- 
0000 0000-0000 007F | 0xxxxxxx 
0000 0080-0000 07FF | 110xxxxx 10xxxxxx 
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx 
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 

以汉字“严”为例，演示若何实现UTF-8编码。

当编解码赶上Python2.x

下面应用Python说话来验证膳绫擎的理论。在这一章节中，当提到unicode，一般是指unicode type，即Python中的类型；也会提到unicode编码、unicode函数，请大年夜家留意差别。

别的，对于编码，也有两种意思。第一个是名字，指的是字符的二进制表示，如unicode编码、gbk编码。第二个是动词，指的是大年夜字符到二进制的映射过程。不过后文中，编码作为动词，狭义懂得为大年夜unicode类型转换成str类型的过程，解码则是相反的过程。别的强调的是，unicode类型必定是unicode编码，而str类许可能是gbk、ascii或者utf-8编码。

unicode 与 str 差别

在python2.7中，有两种“字符串”类型，分别是str 与 unicode，他们有同一个基类basestring。str是plain string，其实应当称之为字节串，因为是每一个字节换一个单位长度。而unicode就是unicode string，这才是真正的字符串，一个字符（可能多个字节）算一个单位长度。

python2.7中，unicode类型须要在文本之间加u表示。

>>> us = u'严' 
 
>>> print type(us), len(us) 
 
<type 'unicode'> 1 
 
>>> s = '严' 
 
>>> print type(s), len(s) 
 
<type 'str'> 2 
 
>>> 

大年夜上可以看到，第一，us、s的类型是不一样的；其二，同一个汉字，不合的类型其长度也是不一样的，对于unicode类型的实例，其长度必定是字符的个数，而对于str类型的实例，其长度是字符对应的字节数量。这里强调一下，s（s = ‘严’）的长度在不合的情况下是不一样的！后文会解释

__str__ __repr__的差别

这是python中两个magic method，很轻易让新手含混，因为很多时刻，二者的实现是一样的，然则这两个函数是用在不合的处所

　　推荐阅读

　　能拍照，还能视频通话？coolpad Dynobot儿童智能手表让你惊艳

市面上的绝大部分儿童手表都不能拍照，最大卖点的只是语音通话功能。Dynobot是市面上仅有的配备两个摄像头的儿童手表，支持480P视频通话。表盘30万像素满足孩子自拍需求，顶部200万像素摄像头可以拍孩子看到的任何画>>>详细阅读

本文标题：不想再被鄙视？那就看进来！ 一文搞懂Python 2字符编码

地址：http://www.17bianji.com/lsqh/39888.html

 1/2    1