unicode号码到底是什么？

Question

在python中：

>>> "\xc4\xe3".decode("gbk").encode("utf-8")
'\xe4\xbd\xa0'
>>> "\xc4\xe3".decode("gbk")
u'\u4f60'

我们可以得出两个结论：

1.\xc4\xe3 in gbk encode=\xe4\xbd\xa0（utf-8格式）
2.\xc4\xe3 in gbk encode=\x4f\x60以unicode表示（或在ucs-2中）

在R中：

^{pr2}$

现在，结论1是正确的，它在python中与R
结论2是一个难题，
gbk encode中的\xc4\xe3究竟是什么？？unicode格式。
在python中它是u'\u4f60'，在R中它是ff fe60 4f
是平等的吗？哪一个是正确的？它们都对吗？在

Answer 1

在python中，\uxxxx符号引用Unicode代码点，而不是这些代码点的任何编码。在

UCS-2、UTF-16、UTF-8都是能够以字节形式捕获代码点的编码，这些字节适合存储在文件中，用于在网络上传输等等

\u4f60代码点的R表示包括UTF-16Byte Order Mark，或BOM。它指示所选择的字节顺序，其中0xFFFE表示little endian。Python也包含它，当你编码到UTF-16时：

>>> u'\uf460'.encode('utf16')
'\xff\xfe`\xf4'

big-endian等价物是0xFEFF。您可以在python中显式地编码为utf-16be或{}，以避免包含BOM，因为您已经做出了明确的选择：

^{pr2}$

您确实应该阅读joelspolsky Unicode的文章，以及Python Unicode HOWTO，以便更全面地理解Unicode和编码之间的区别。在