與「UTF-8」編碼的Unicode顯示字節串僅適用於非ASCII

Question

我跑python2.7.10

試圖總結我的身邊，爲什麼下列行爲被認爲是頭。 （當然有一個合理的解釋）

所以我定義了兩個unicode字符，只有第一個在ascii-set中，第二個在它外面。

>>> a=u'\u0041' 
>>> b=u'\u1234' 
>>> print a 
A 
>>> print b 
ሴ 

現在我編碼它看看相應的字節將是什麼。但只有後者給我的結果，我希望看到（字節）

>>> a.encode('utf-8') 
'A' 
>>> b.encode('utf-8') 
'\xe1\x88\xb4' 

也許，問題是我的期望，如果是這樣，你可以解釋其中的缺陷所在。 - 我的a，b是unicode（內部序號的十六進制值） - 打印這些時，解釋器打印出與每個unicode字節對應的實際字符。 - 當我編碼時，我認爲它會使用我提供的編碼方案（在本例中爲utf-8）轉換爲字節字符串。我期望看到一個字符串爲a.encode，就像我爲b.encode做的一樣。

我錯過了什麼？

Answer 1

沒有缺陷。您編碼爲UTF-8，對於Unicode標準的前127個編碼點使用與ASCII標準相同的字節，並對其他所有內容使用多個字節（2到4之間）。

然後，您在終端中回顯該值，該值使用repr()函數構建調試表示形式。該表示爲字符串生成有效的Python表達式，其中一個爲ASCII安全。該值中的任何字節不是可打印的作爲ASCII字符顯示爲轉義序列。因此UTF-8字節顯示爲十六進制轉義的\xhh。

最重要的是，因爲A是一個可打印的ASCII字符，它顯示爲is;任何代碼編輯器或終端都將接受ASCII，而對於大多數顯示實際文本的英文文本來說，它更加有用。

請注意，您使用的print存儲在a和b的unicode值，這意味着Python的編碼這些值到終端的編解碼器，你的終端以產生正確的輸出協調。你沒有在口譯員中迴應這些價值觀。假如你這樣做，你也看見過調試輸出：

>>> a = u'\u0041' 
>>> b = u'\u1234' 
>>> a 
u'A' 
>>> b 
u'\u1234' 

在Python 3中，repr()功能的功能性（或者說，object.__repr__鉤）已經更新到生產unicode字符串與大多數可打印碼點沒有逃脫。使用新的ascii()函數來獲得上述行爲。