Unicode 简介

 Unicode是一个体系，用来表示世界上所有不同语言的字符。在Python解析一个XML文档时，所有的数据都是以Unicode形式保存在内存中的。

为什么会有Unicode？
在Unicode产生之前，每种语言都有一套独立存在的字符编码体系，每个系统都用（0-255）之间的数字表示这种语言中的字符。一些语言（如俄语）对如何表示相同的字符还有几种有冲突的标准。另一些语言（如日语）有太多字符，需要多个字符集。在这些不同的体系之间进行文档交流变得比较困难，因为对一台计算机来说，没法识别文档的作者用了哪种编码方式，计算机看到的只是数字，但是这些数字在不同的体系，表示不同的东西。

下面考虑，如果试图把这些文档（采用了不同的编码方式）放到一个地方（比如数据库表中），你需要在每段文本的旁边保存字符的编码，并确保在传递文本时把对应的编码也传递了。再考虑多语言文档，在一个文档中使用了不同语言的字符（较有代表性的是用转义符进行模式转换，如我们在俄语koi8-r模式下，字符241代表一个意思，在Mac希腊语模式下，字符241又代表其它的意思），所有这些是Unicode被设计出要解决的问题。

Unicode用一个2字节的数字表示每个字符，从0到65535。每个2字节数字表示至少在一种世界语言中使用的唯一字符。(在多种语言中都使用的字符具有相同的数字码。) 这样就确保每个字符一个数字，并且每个数字一个字符。Unicode 数据永远不会模棱两可。

当然，仍然还存在着所有那些遗留的编码系统的情况。例如，7 位 ASCII，它可以将英文字符存诸为从 0 到 127 的数值。(65 是大写字母 “A”，97 是小写字母 “a”，等等。) 英语有着非常简单的字母表，所以它可以完全用 7 位 ASCII 来表示。像法语、西班牙语和德语之类的西欧语言都使用叫做 ISO-8859-1 的编码系统 (也叫做“latin-1”)，它使用 7 位 ASCII 字符表示从 0 到 127 的数字，但接着扩展到了 128-255 的范围来表示像 n 上带有一个波浪线(241)，和 u 上带有两个点(252)的字符。Unicode 在 0 到 127 上使用了同 7 位 ASCII 码一样的字符表，在 128 到 255上同 ISO-8859-1 一样，接着使用剩余的数字，256 到 65535，扩展到表示其它语言的字符。

在处理 unicode 数据时，在某些地方你可能需要将数据转换回这些遗留编码系统之一。例如，为了同其它一些计算机系统集成，这些系统期望它的数据使用一种特定的单字节编码模式，或将数据打印输出到一个不识别 unicode 的终端或打印机。或将数据保存到一个明确指定编码模式的 XML 文档中。