統一碼與統一碼錶示

Question

我對統一碼字符與該字符表示之間的區別有點困惑。兩者有什麼區別：

>>> u'é' 
>>> u'\xe9' 

此外，我會怎麼能夠去「讀」的unicode（E）和機器的Unicode（\ xe9）之間的背和反覆？我將如何爲以下事情做這件事？

>>> u='bj\\u00f6rk: voltaic' 
>>> print u 
bj\u00f6rk: voltaic 

Answer 1

你想用repr：

print repr(u) 

print u'é'在shell給你str輸出，u'é'在shell顯示你repr輸出。

str

返回包含一個對象的一個​​很好的打印表示形式的字符串。對於字符串，這會返回字符串本身。與repr（object）的區別在於str（object）並不總是試圖返回eval（）所接受的字符串。其目標是返回一個可打印的字符串。如果沒有給出參數，則返回空字符串''。

Answer 2

repr()只適用於python 2（這顯然是你使用的）。這裏有一個更完整的答案和建議：如果您將使用unicode，請儘可能切換到python 3。當python 3的改進是它存在的主要原因之一時，沒有什麼理由去理解python 2如何處理文本編碼。

什麼是兩者之間的區別：

u'é' 
u'\xe9' 

這些都是指定相同的字符串到Python兩種方式;有是在這兩個字符串的內容沒有區別：

>>> u'é' == u'\xe9' 
True 

就像使用值62字節是ASCII A（chr(62) == "A"), unicode characters have a (usually) 16-bit value that is conventionally written in hexadecimal. For a single-character, you could display this value in decimal with ORD（）`（雖然這不是太有用）

當你打印字符串時，python會嘗試顯示它，當你用repr()轉換它時，python會向你顯示字符本身或轉義形式，這取決於它是否可以用在一個文字字符串中。只是'é'，因爲它可以出現在字符串文字中。要將您的文本看作一系列16位unicode代碼oints，你應該這樣做（工作在Python 2或3）：

>>> text = u'e' 
>>> print(text.encode("raw_unicode_escape")) 
b'\xe9' 

這裏有一個較長的例子（蟒蛇3）：

>>> text = "neé" 
>>> repr(text) 
"'neé'" 
>>> text.encode("raw_unicode_escape") 
b'ne\xe9' 
>>> text.encode("utf-8") 
b'ne\xc3\xa9' 

需要注意的是UTF-8編碼é爲兩字節序列。 UTF-8只是一種編碼，這個字符的代碼點是U+00e9。