了解Python中的unicode和編碼

Question

當我在python 2.7控制台中輸入以下內容時

>>>'áíóús'
'\xc3\xa1\xc3\xad\xc3\xb3\xc3\xbas'
>>>u'áíóús'
u'\xe1\xed\xf3\xfas'

我得到上面的輸出。 兩者有什么區別？ 我了解unicode的基礎知識，以及不同類型的編碼（如UTF8，UTF16等）。但是，我不了解控制台上打印的內容或如何理解它。

Answer 1

u'áíóús'是一串文本 。 您在REPL中看到的是該對象的規范表示 ：

>>> print u'áíóús'
áíóús
>>> print repr(u'áíóús')
u'\xe1\xed\xf3\xfas'

像\\xe1這樣的東西與每個字符的十六進制序號有關：

>>> [hex(ord(c)) for c in u'áíóús']
['0xe1', '0xed', '0xf3', '0xfa', '0x73']

只有最后一個字符在ascii范圍內，即在range(128)序數，因此只有最后一個字符“ s”在Python 2.x中清晰可見：

>>> chr(0x73)
's'

'áíóús'是一個字節字符串。 您看到的是相同文本字符的編碼，並且終端仿真器假定該編碼為：

>>> 'áíóús'
'\xc3\xa1\xc3\xad\xc3\xb3\xc3\xbas'
>>> u'áíóús'.encode('utf-8')
'\xc3\xa1\xc3\xad\xc3\xb3\xc3\xbas'