Python3的bytes、str和Python2的 str、Unicode

字符串和字节码

Python3 有两种表示字符序列的类型：bytes和str。前者的实例包含原始的8位值【即一个字节码由8个二进制位组成】；后者的实例包含Unicode字符。
Python2 也有两种表示字符序列的类型：str和Unicode。前者的实例包含原始的8位值【即一个字节码由8个二进制位组成】；后者的实例包含Unicode字符。

Python2和Python3的字符串和字节码的编码和解码对应关系如下图：

UTF-8和Unicode关系

Unicode 是“字符集”，UTF-8 是“编码规则”。

其中，“字符集”的意思是：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”的意思是：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）。

广义的Unicode是一个标准，定义了一个“字符集”以及一系列的“编码规则”，即Unicode“字符集”和UTF-8等“编码规则”。

Unicode字符集为每一个字符分配一个码位；UTF-8,是一套以8位为一个编码单位的可变长编码，会将一个码位编码为1到4个字节。

UTF-8的编码规则如下所示：

举个例子：
例如“知”的码位是 30693，记作 U+77E5。根据上表中的编码规则，“知”字的码位 U+77E5 属于第三行的范围：

这就是将 U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。
综上所述，UTF-8，以及UTF-16、UTF-32 都是 Unicode 的一种实现。