使用UTF-8编码和解码

admin

对字符串进行处理时，并不需要在意 Python 中 Unicode 字符的存储细节。
但当需要与外界进行数据交互时则需要完成两件事情：
• 将字符串编码为字节；
• 将字节解码为字符串。
如果Unicode包含的字符种类不超过64000种，我们就可以将字符ID统一存储在2字节中。遗憾的是， Unicode 所包含的字符种类远不止于此。诚然，我们可以将字符 ID 统一编码在3或4字节中，但这会使空间开销（内存和硬盘）增加3到4倍。
两位为 Unix 开发者所熟知的大神 Ken Thompson 和 Rob Pike 在新泽西共用晚餐时解决了这个问题，他们在餐桌垫上设计出了 UTF-8 动态编码方案。这种方案会动态地为每一个Unicode 字符分配1到4字节不等：  

• 为 ASCII 字符分配 1 字节；
• 为拉丁语系（除西里尔语）的语言分配 2 字节；
• 为其他的位于基本多语言平面的字符分配 3 字节；
• 为剩下的字符集分配 4 字节，这包括一些亚洲语言及符号。
UTF-8 是 Python、 Linux 以及 HTML 的标准文本编码格式。这种编码方式简单快速、字符覆盖面广、出错率低。在代码中全都使用 UTF-8 编码会是一种非常棒的体验，你再也不需要不停地转化各种编码格式。

admin

一些关于utf-u有用的链接：
• Unicode HOWTO（https://docs.python.org/3/howto/unicode.html）
• Pragmatic Unicode（http://nedbatchelder.com/text/unipain.html）