1.在py文件中使用中文字符
unicode.py文件内容如下所示：
# -*- coding:utf-8 -*- str_ch = '我们women' uni_ch = u'我们women' print "type:", type(str_ch), "content:", str_ch, repr(str_ch) print "type:", type(uni_ch), "content:", uni_ch, repr(uni_ch)
需要在文件第一行输入以下内容：“# -*- coding: utf-8 -*-"，否则在执行时将会抛出如下异常信息。
SyntaxError: Non-ASCII character 'xe6' in file unicode.py on line 3, but no encoding declared;
在声明编码类别后，执行结果如下：
type: <type 'str'> content: 我们women 'xe6x88x91xe4xbbxacwomen'
type: <type 'unicode'> content: 我们women u'u6211u4eecwomen'
使用命令“od -t c unicode.py”查看文件在硬盘上的内容如下：
0000000 # - * - c o d i n g : u t f
0000020 - 8 - * -
s t r _ c h =
0000040 ' 346 210 221 344 273 254 w o m e n '
u
0000060 n i _ c h = u ' 346 210 221 344 273 254
0000100 w o m e n '
p r i n t " t
0000120 y p e : " , t y p e ( s t r _
0000140 c h ) , " c o n t e n t : " ,
0000160 s t r _ c h , r e p r ( s
0000200 t r _ c h )
p r i n t " t y
0000220 p e : " , t y p e ( u n i _ c
0000240 h ) , " c o n t e n t : " ,
0000260 u n i _ c h , r e p r ( u n
0000300 i _ c h )
注：346为8进制。
可以看到中文字符在硬盘中以utf-8形式保存，在执行时被python解释器读入内存，遇到非ascii字符时，需要用指定的编码进行转换。
2. Python中字符类型str和unicode
Unicode使用code point描述字符，一个code point就是一个整数值，16-bit。所以，unicode字符串就是一串code point。
书写的方式可以是：
uni_str = u"我们" uni_str = u"xac" # 2个16进制数表示 uni_str = u"u1234" # 4个16进制数表示 uni_str = u"U00008000" # 8个16进制数表示
str是8bit，从0-255。书写方式如下：
s = '0' s = 'x30' s = ' 60' s = chr(48) # ord(s) 都是48
encoding：将unicode字符串转换成一串bytes（0-255）。
python默认的encoding和decoding都是ascii，当数值超过128时都将会报编码或解码错误。