Python3字符串编码

Question

我用的是Python3，我不知道这里发生了什么：

x=[0xc2,0x50]
print('----list2bytes------')
for i in bytes(x):
  print(i)

s=''
for i in x:
  s+=chr(i)

print('----string2bytes----')
for i in s.encode():
  print(i)

print('----string2ord------')
for i in s:
  print(ord(i))

----列表2字节----
194年
80
----字符串2字节----
195年
130
80
----字符串2或---
194年
80个

为什么字节在字符串.编码()? 你知道吗

Answer 1

这里涉及两个不同的概念：

• chr()函数将在指定的^{}处为您提供character。您可以查找代码点194 here，它是LATIN CAPITAL LETTER A WITH CIRCUMFLEX（这里没有意外）。你知道吗
• 向字符串中添加字符将添加该字符，而不是向该字符串中添加原始字节。找回字节需要编码。你知道吗
• 当您对字符串调用.encode()时，您会得到它的UTF-8编码字节。这不仅仅是代码点的串联。你知道吗

• 字符Â的UTF-8编码有两个字节，因为它的Ucode值大于128。第一个字节是192 + (Ucode-value div 64)==192 + (194 div 64)，这也是194==0xc2（增加了混乱）。第二个字节是128 + (Ucode-value div 64)==128 + (194 % 64)==0x82。你知道吗

  因此字符Â编码为UTF-8中的0xc2, 0x82。你知道吗

  第二个字符的（P）Ucode值低于128，所以只是添加了它。因此0xc2, 0x82, 0x50==194, 130, 80是编码为UTF-8的整个字符串。你知道吗

  在UTF-8中，编码点序列194, 80编码为194, 130, 80是完全巧合的，给人的印象是130只是插入了。

• 调用ord()将再次为每个字符提供Unicode代码点。字符LATIN CAPITAL LETTER A WITH CIRCUMFLEX的Unicode码位的整数表示是194。你知道吗