Python：代码单元、代码点介绍

转于：https://www.cnblogs.com/runwulingsheng/p/5106078.html

博主：你是那天边突然划过的一道闪电

 

代码点：指编码表(比如Unicode)中某个字符的代码值(数字)，书写时前面加U+，比如U+0041是字母A的代码点

代码单元：指表示编码表字符的最小存储单元，用16位表示

Unicode 代码点

U+0041

U+00DF

U+6771

U+10400

表示字形

UTF-32 代码单元

00000041

000000DF

00006771

00010400

UTF-16 代码单元

0041

00DF

6771

D801

DC00

UTF-8 代码单元

41

C3

9F

E6

9D

B1

F0

90

90

80

增补字符，用两个代码单元表示的字符

网摘：

代码点（Code Point）：指Unicode中为字符分配的编号，一个字符只占一个代码点；

例如：我们说到字符“汉”，它的代码点是U+6C49；

 

代码单元（Code Unit）：是针对编码方法而言，它指的是编码方法中对一个字符编码以后所占的最小存储单元；

例如：UTF-8中，代码单元是一个字节，因为一个字符可以被编码为1个，2个或者3个4个字节；在UTF-16中，代码单元变成了两个字节（就是一个char），因为一个字符可以被编码为1个或2个char（你找不到比一个char还小的UTF-16编码的字符，嘿嘿）。

 

#一个字符，仅仅对应一个代码点，但却可能有多个代码单元（即可能被编码为2个char）

 

#以上概念绝非学术化的绕口令，这意味着当你想以一种统一的方式指定自己使用什么字符的时候，使用代码点（即你告诉你的程序，你要用Unicode中的第几个字符）总是比使用代码单元更好（因为这样做的话你还得区分情况，有时候提供一个16进制数字，有时候要提供两个）。＂

 

例：

想找到第i个代码点，使用下列语句

int index = greeting.offsetByCodePoints(0,i);  //得到0开始便宜i个代码点的索引值(数字)

int cp = greeting.codePointAt(index);  // 返回char值(unicode对应数字)