字符问题

编码与解码

“字符串”是个相当简单的概念：一个字符串是一个字符序列。问题出在“字符”的定义上。在2015年，“字符”的最佳定义是Unicode字符。因为，从Python3的str对象中获取的元素是Unicode字符，这相当于从Python2的unicode对象中获取的元素，而不是Python2的str对象中获取的原始字节序列。
Unicode标准把字符的标识和具体的字节表述进行了如下的明确区分：

• 字符的标识，即码位，是0-1114111的数字（十进制），在Unicode标准中以4-6个十六进制数字表示，而且加前缀“U+”。例如，字母A的码位是U+0041，欧元符号的码位是U+20AC。在Unicode 6.3中，约10%的有效码位有对应的字符。
• 字符的具体表述取决于所用的编码，编码是在码位和字节序列之间转换时使用的算法。在UTF-8编码中，A（U+0041）的码位编码成单个字节\x41，而在UTF-16LE编码中编码成两个字节\x41\x00。

把码位转换成字节序列的过程是编码l；把字节序列转换成码位的过程是解码。

from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity='all'
s='café'
len(s) # 'café'字符有4个Unicode字符
b=s.encode('utf8') # 使用UTF-8将str对象编码成bytes对象
len(b) # bytes字面量以b开头
b.decode('utf8') # 使用UTF-8把bytes对象解码成str对象

4






5






'café'