Python中Unicode字串

字串還有一個編碼問題。

因為計算機只能處理數字，如果要處理文字，就必須先把文字轉換為數字才能處理。最早的計算機在設計時採用8個位元（bit）作為一個位元組（byte），所以，一個位元組能表示的最大的整數就是255（二進位制11111111=十進位制255），0 - 255被用來表示大小寫英文字母、數字和一些符號，這個編碼表被稱為ASCII編碼，比如大寫字母 A 的編碼是65，小寫字母 z 的編碼是122。

如果要表示中文，顯然一個位元組是不夠的，至少需要兩個位元組，而且還不能和ASCII編碼衝突，所以，中國製定了GB2312編碼，用來把中文編進去。

類似的，日文和韓文等其他語言也有這個問題。為了統一所有文字的編碼，Unicode

Unicode通常用兩個位元組表示一個字元，原有的英文編碼從單位元組變成雙位元組，只需要把高位元組全部填為0就可以。

因為Python的誕生比Unicode標準釋出的時間還要早，所以最早的Python只支援ASCII編碼，普通的字串'ABC'在Python內部都是ASCII編碼的。

Python在後來添加了對Unicode的支援，以Unicode表示的字串用u'...'表示，比如：

print u'中文'
中文

注意: 不加 u ，中文就不能正常顯示。

Unicode字串除了多了一個 u 之外，與普通字串沒啥區別，轉義字元和多行表示法仍然有效：

轉義：

u'中文\n日文\n韓文'

多行：

u'''第一行
第二行'''

raw+多行：

ur'''Python的Unicode字串支援"中文",
"日文",
"韓文"等多種語言'''

如果中文字串在Python環境下遇到 UnicodeDecodeError，這是因為.py檔案儲存的格式有問題。可以在第一行添加註釋（目的是告訴Python直譯器，用UTF-8編碼讀取原始碼。）：

# -*- coding: utf-8 -*-

然後用Notepad++ 另存為... 並選擇UTF-8格式儲存。

# -*- coding: utf-8 -*-
# -*- coding: utf-8 -*-
print u'''靜夜思
床前明月光，
疑是地上霜。
舉頭望明月，
低頭思故鄉。'''
 

注意：在題目執行的時候需要去掉u才可以執行 ，或者在'''後面加上.encode('utf-8')（優先用UTF-8編碼）。

# -*- coding: utf-8 -*-
# -*- coding: utf-8 -*-
print u'''靜夜思
床前明月光，
疑是地上霜。
舉頭望明月，
低頭思故鄉。'''.encode('utf-8')