Python 字符串的编码格式

在 Python 中，字符串（str）默认使用 Unicode 编码，具体来说，Python 3 中的字符串是以 UTF-8 编码存储的 Unicode 字符序列。Unicode 是一种国际标准，旨在为世界上所有的字符提供唯一的编码，而 UTF-8 是 Unicode 的一种实现方式，具有兼容性和高效性。

---

1. Unicode 与 UTF-8

1.1 Unicode

• Unicode 是一种字符集，为每个字符分配一个唯一的编号（称为码点，Code Point）。
• Unicode 的目标是涵盖世界上所有的字符，包括各种语言的字母、符号、表情符号等。
• Unicode 的码点范围是 0x0000 到 0x10FFFF，可以表示超过 100 万个字符。

1.2 UTF-8

• UTF-8 是 Unicode 的一种编码方式，用于将 Unicode 码点转换为字节序列。
• UTF-8 是一种变长编码，使用 1 到 4 个字节表示一个字符。
  • 英文字符（ASCII 字符）使用 1 个字节。
  • 欧洲字符使用 2 个字节。
  • 中文、日文、韩文等字符使用 3 个字节。
  • 特殊字符（如表情符号）使用 4 个字节。
• UTF-8 是互联网上最常用的编码方式，具有兼容性和高效性。

---

2. Python 字符串的编码

2.1 Python 3 的字符串

• 在 Python 3 中，字符串（str）是 Unicode 字符序列，默认使用 UTF-8 编码。
• 字符串可以直接表示任何 Unicode 字符，包括中文、日文、表情符号等。

s = "Hello, 世界! 🌍"
print(s)  # 输出: Hello, 世界! 🌍

2.2 字节与字符串的转换

• 字符串可以通过 encode() 方法转换为字节（bytes），指定编码格式（如 UTF-8）。
• 字节可以通过 decode() 方法转换为字符串，指定编码格式（如 UTF-8）。

# 字符串编码为字节
s = "Hello, 世界!"
b = s.encode("utf-8")  # 将字符串编码为 UTF-8 字节
print(b