Python - Unicode 系统

---

---

什么是Unicode系统？

软件应用程序通常需要以不同的语言（如英语、法语、日语、希伯来语或印地语）显示以各种语言输出的消息。Python 的字符串类型使用 Unicode 标准来表示字符。它使程序可以处理所有这些不同的可能字符。

字符是文本中可能最小的组成部分。“A”、“B”、“C”等都是不同的字符。“è”和“Í”也是如此。Unicode 字符串是一系列码位，它们是从 0 到 0x10FFFF（1,114,111 位小数）的数字。这个码位序列需要在内存中表示为一组代码单元，然后将代码单元映射到 8 位字节。

字符编码

一系列代码点在内存中表示为一组代码单元，映射到 8 位字节。将 Unicode 字符串转换为字节序列的规则称为字符编码。

存在三种类型的编码：UTF-8、UTF-16 和 UTF-32。UTF 代表 Unicode 转换格式。

Python 的 Unicode 支持

Python 3.0 及更高版本内置了对 Unicode 的支持。str 类型包含 Unicode 字符，因此使用单引号、双引号或三引号字符串语法创建的任何字符串都存储为 Unicode。Python 源代码的默认编码是 UTF-8。

因此，字符串可能包含 Unicode 字符 （3/4） 或其 Unicode 值 （\u00BE） 的文字表示形式。

例

var = "3/4"
print (var)
var = "\u00BE"
print (var)

上面的代码将产生以下输出 -

例

在以下示例中，字符串“10”使用 Unicode 值 1 和 0 存储，分别是 \u0031 和 u0030。

var = "\u0031\u0030"
print (var)

它将产生以下输出：

字符串以人类可读的格式显示文本，字节将字符存储为二进制数据。编码将数据从字符串转换为一系列字节。解码将字节转换回人类可读的字符和符号。重要的是不要

混淆这两种方法。encode 是字符串方法，而 decode 是 Python 字节对象的方法。

例

在以下示例中，我们有一个由 ASCII 字符组成的字符串变量。ASCII 是 Unicode 字符集的子集。encode（） 方法用于将其转换为 bytes 对象。

string = "Hello"
tobytes = string.encode('utf-8')
print (tobytes)
string = tobytes.decode('utf-8')
print (string)

decode（） 方法将字节对象转换回 str 对象。使用的编码方法是 utf-8。

例

在以下示例中，卢比符号 （₹） 使用其 Unicode 值存储在变量中。我们将字符串转换为字节，然后再转换回 str。

string = "\u20B9"
print (string)
tobytes = string.encode('utf-8')
print (tobytes)
string = tobytes.decode('utf-8')
print (string)

当您执行上述代码时，它将产生以下输出：