具体关系
- ASCII编码是1个字节,而Unicode编码通常是2个字节。
- UTF-8编码为“可变长编码”的Unicode编码,UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节。
计算机中的存储形式
在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。
用记事本编辑的时候,从文件读取的UTF-8字符被转换为Unicode字符到内存里,编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件:
浏览网页的时候,服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器:
所以你看到很多网页的源码上会有类似如下的信息,表示该网页正是用的UTF-8编码。
<meta charset="UTF-8" />
关于Python
由于Python源代码也是一个文本文件,所以,当你的源代码中包含中文的时候,在保存源代码时,就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时,为了让它按UTF-8编码读取,我们通常在文件开头写上这两行:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
- 第一行注释是为了告诉Linux/OS X系统,这是一个Python可执行程序,Windows系统会忽略这个注释;
第二行注释是为了告诉Python解释器,按照UTF-8编码读取源代码,否则,你在源代码中写的中文输出可能会有乱码。
如果你使用Notepad++进行编辑,除了要加上
# -*- coding: utf-8 -*-
外,中文字符串必须是Unicode字符串。
申明了UTF-8编码并不意味着你的.py文件就是UTF-8编码的,必须并且要确保Notepad++正在使用UTF-8 without BOM编码。
如果.py文件本身使用UTF-8编码,并且也申明了# -*- coding: utf-8 -*-,
打开命令提示符测试就可以正常显示中文了。