Python基礎（07）Python中Unicode字符串

• 字符串還有一個編碼問題。
• 由於計算機只能處理數字，若是要處理文本，就必須先把文本轉換爲數字才能處理。最先的計算機在設計時採用8個比特（bit）做爲一個字節（byte），因此，一個字節能表示的最大的整數就是255（二進制11111111=十進制255），0 - 255被用來表示大小寫英文字母、數字和一些符號，這個編碼表被稱爲ASCII編碼，好比大寫字母 A 的編碼是65，小寫字母 z 的編碼是122。
• 若是要表示中文，顯然一個字節是不夠的，至少須要兩個字節，並且還不能和ASCII編碼衝突，因此，中國製定了GB2312編碼，用來把中文編進去。
• 相似的，日文和韓文等其餘語言也有這個問題。爲了統一全部文字的編碼，Unicode應運而生。Unicode把全部語言都統一到一套編碼裏，這樣就不會再有亂碼問題了。
• Unicode一般用兩個字節（16位）表示一個字符，原有的英文編碼從單字節變成雙字節，只須要把高字節所有填爲0就能夠。 由於Python的誕生比Unicode標準發佈的時間還要早，因此最先的Python只支持ASCII編碼，普通的字符串'ABC'在Python內部都是ASCII編碼的。
• Python在後來添加了對Unicode的支持，以Unicode表示的字符串用u'...'表示，好比：

print u'中文'
中文
注意: 不加 u ，中文就不能正常顯示。
複製代碼

• Unicode字符串除了多了一個 u 以外，與普通字符串沒啥區別，轉義字符和多行表示法仍然有效：
  轉義：

u'中文\n日文\n韓文'
多行：
u'''第一行 第二行'''
raw+多行：
ur'''Python的Unicode字符串支持"中文", "日文", "韓文"等多種語言'''
複製代碼

• 若是中文字符串在Python環境下遇到 UnicodeDecodeError，這是由於.py文件保存的格式有問題。能夠在第一行添加註釋
  # -*- coding: utf-8 -*- 目的是告訴Python解釋器，用UTF-8編碼讀取源代碼。而後用Notepad++ 另存爲... 並選擇UTF-8格式保存。