Python序列——Unicode

• • Unicode是什么
  • Python中的Unicode
  • 编码与解码
  • 在应用中使用Unicode的建议

1. Unicode是什么

Unicode是对字符进行编码的一种标准。而utf8或者utf-8是根据Unicode的标准实现的一种存储方式。

2. Python中的Unicode

>>> u'furzoom'  # <--- Unicode string
u'furzoom'
>>> 'furzoom'   # <--- ascii string
'furzoom'
>>> '在'
'\xe5\x9c\xa8'
>>> '在'.decode('utf8')
u'\u5728'
>>> '在'.decode('utf8').encode('utf8')
'\xe5\x9c\xa8'

3. 编码与解码

目前一般都建议在编程Python脚本时采用UTF-8的编码形式，这个指的文件的编码形式。Python内部是采用Unicode表示的。在Python中写下一行u'furzoom'，它是Unicode字符串。如果是'furzoom'，它的编码方式与该脚本文件的编码方式是一致的。如果要把该字符串存储到文件中，期望其他程序能够正确的解决字符串，该怎么办呢？

如果是Unicode字符串，需要指定用什么样的编码方式来编码字符串，通过的做法是采用UTF-8的方式。同时从文件中读取时，就是一个逆向的过程。看下面的例子：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""
An example of reading and writing Unicode strings: Writes a Unicode
string to a file in utf-8 and reads it back in.
"""

CODEC = 'utf-8'
FILE = 'unicode.txt'

hello_out = u'Hello Furzoom\n'
bytes_out = hello_out.encode(CODEC)
f = open(FILE, 'w')
f.write(bytes_out)
f.close()

f = open(FILE, 'r')
bytes_in = f.read()
f.close()
hello_in = bytes_in.decode(CODEC)
print hello_in

4. 在应用中使用Unicode的建议

• 程序中出现字符串时一定要加个前缀u。
• 不要用str()函数，用unicode()代替。
• 不用string模块，对Unicode支持的不好。
• 不到必须时，不要在程序中编解码Unicode字符。只在要写入文件或数据库或者网络时，才进行编码。相反的过程才进行解码。