python中utf-8是什么意思_python中Unicode和UTF-8的区别

1,UTF-8

在python的开始处，#coding:utf-8或者#coding=utf-8的作用一样，声明Python代码的文本格式是UTF-8，按照这种格式来读取程序。

如下编写一个脚本：

如果不添加#coding=utf-8，脚本有中文时程序会报错

2,Unicode和UFT-8的区别

Unicode 是字符集

UTF-8 是编码规则

字符集：为每一个「字符」分配一个唯一的 ID(学名为码位 / 码点 / Code Point)

编码规则：将「码位」转换为字节序列的规则(编码/解码 可以理解为 加密/解密 的过程)

举一个例子：It's 知乎日报

你看到的unicode字符集是这样的编码表：

I 0049

t 0074

' 0027

s 0073

0020

知 77e5

乎 4e4e

日 65e5

报 62a5

每一个字符对应一个十六进制数字。

计算机只懂二进制，因此，严格按照unicode的方式(UCS-2)，应该这样存储：

I 00000000 01001001

t 00000000 01110100

' 00000000 00100111

s 00000000 01110011

00000000 00100000

知 01110111 11100101

乎 01001110 01001110

日 01100101 11100101

报 01100010 10100101

这个字符串总共占用了18个字节，但是对比中英文的二进制码，可以发现，英文前9位都是0！浪费啊，浪费硬盘，浪费流量。

UTF-8是这样做的：

单字节的字符，字节的第一位设为0，对于英语文本，UTF-8码只占用一个字节，和ASCII码完全相同；

n个字节的字符(n>1)，第一个字节的前n位设为1，第n+1位设为0，后面字节的前两位都设为10，这n个字节的其余空位填充该字符unicode码，高位用0补足。

这样就形成了如下的UTF-8标记位：

0xxxxxxx

110xxxxx 10xxxxxx

1110xxxx 10xxxxxx 10xxxxxx

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

... ...

于是，”It's 知乎日报“就变成了：

I 01001001

t 01110100

' 00100111

s 01110011

00100000

知 11100111 10011111 10100101

乎 11100100 10111001 10001110

日 11100110 10010111 10100101

报 11100110 10001010 10100101

和上边的方案对比一下，英文短了，每个中文字符却多用了一个字节。但是整个字符串只用了17个字节，比上边的18个短了一点点。

python是支持Unicode的，在使用Unicode时，在字符串前加上u即可。