Python Unicode 系统

软件应用通常需要以多种语言显示输出信息，如英语，法语，日语，希伯来语或印地语。Python 的字符串类型使用 Unicode 标准表示字符。这使得程序能够处理所有这些不同的字符。

字符是文本的最小可能组成部分。’A’，’B’，’C’ 等是不同的字符。’È’ 和 ‘Í’ 也是。

根据 Unicode 标准，字符由代码点表示。代码点值是一个在 0 到 0x10FFFF 范围内的整数。

代码点序列在内存中表示为一组映射到8位字节的代码单元。将 Unicode 字符串转换为字节序列的规则称为字符编码。

有三种编码类型，UTF-8、UTF-16 和 UTF-32。UTF 代表 Unicode 转换格式 。

Python 3.0 版以后内置支持 Unicode。字符串类型 str 包含 Unicode 字符，因此使用单引号，双引号或三引号的字符串语法创建的任何字符串都以 Unicode 存储。Python 源代码的默认编码是 UTF-8。

因此，字符串可以包含 Unicode 字符的文字表示 (¾) 或其 Unicode 值 (\u00BE)。

var = "Â¾"
print (var)
var = "\u00BE"
print (var)

这段代码将会产生以下输出 −

'Â¾'
Â¾

在下面的示例中，字符串’10’使用Unicode值1和0（分别是\u0031和\u0030）进行存储。

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，而字节将字符作为二进制数据存储。编码将数据从字符串转换为一系列字节。解码将字节转换回可读的字符和符号。重要的是不要混淆这两种方法。encode是一个字符串方法，而decode是Python字节对象的方法。

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。使用encode()方法将其转换为字节对象。

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

The decode()方法将字节对象重新转换为字符串对象。使用的编码方法是utf-8。

b'Hello'
Hello

在下面的示例中，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，然后再转换回字符串。

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

当你执行以上代码时，它将产生以下的输出。

â‚¹
b'\xe2\x82\xb9'
â‚¹

Python教程