26、Python 字符串处理全解析

Python 字符串处理全解析

1. 字符编码的发展

早期的字符编码标准存在很大局限性，虽然有些应用采用特殊技巧，通过添加重音和其他符号来传达额外字母，但标准的适用范围仍然非常有限。后来，Unicode 标准应运而生，它能包含世界上绝大多数语言所使用的字符。与 ASCII 不同，为了支持足够多的代码点，每个 Unicode 代码点占用超过一个字节。不过，当 Unicode 字符串加载到内存中时，这并不是问题，因为 Python 只有一种管理多字节值的方式。

需要注意的是，Unicode 标准实际上由超过一百万个单独的“代码点”组成，而非字符。代码点是一个代表书面文本某个方面的数字，可以是常规字符、符号或修饰符，如重音符号。为了与 Unicode 引入之前使用的系统兼容，有些字符甚至在多个代码点上都有体现。

在 Python 中，默认情况下，所有标准字符串都是 Unicode 字符串，这使得 Python 能够支持多种语言。上一节提到的字节字符串都需要使用 b 前缀来与标准 Unicode 字符串区分开来。

2. Python 不同版本的兼容性

在 Python 3.0 之前，和其他编程语言类似，Python 中的字符串默认是字节字符串，而 Unicode 由单独的类型表示。字节字符串在引用时无需前缀，而 Unicode 字符串使用 u 前缀来表明它们支持完整的 Unicode 字符集。在向 Python 3 过渡时，Unicode 字符串成为默认类型， u 前缀不再被支持。

遗憾的是，和本章前面提到的字节字符串一样，没有一种语法