基本概念

unicode

我的理解是unicode就是一个对照表，一个unicode码位不管编码成什么样子的字节序列，它的码位是不变的

码位

像我们经常看到的\uxxxx这种属于unicode的码位

编码和解码

把unicode码位转换为字节序列的过程，成为编码

把字节序列转换为unicode码位的过程，成为解码

字节序列

经常看到的\x...\x...这样的就是编码后的字节序列，也是字节流，用16进制来表示，一个\x..表示一个字节，

例如"中"这个字符串的utf-8字节流序列为 "\xe4\xb8\xad"，utf-8用3个字节表示一个中文

把unicode作为一切编码对照表, \uxxx表示码位,不论转为什么编码，一个字符的码位是不变的，但以不同的编码

器编码成的字节则不同，例如晨在utf-8中是3个字节，在gbk中时2个字节，\x表示16进制，而后面两个ascii表示一个字节

如\xb3表示 1011 0011

晨

从编码上看python2和python3的区别

python3

str是编码后的unicode文本

python3的str对象就是python2的unicode对象

python3

python2

str为编码后的字节序列，

python2

q&a

脚本字符编码和解释器字符编码（解释器字符编码看不同平台，如windows默认gbk）

脚本字符编码：就是解释器解释脚本文件时使用的编码格式，可以通过# -*- coding: utf-8 -*- 显式指定

解释器字符编码：解释器内部逻辑过程中对 str 类型进行处理时使用的编码格式

Python2 中默认把脚本文件使用 ASCII 来处理，所以在python2的源文件中需要加上encoding:utf-8，否则直接输出中文会报错

ascii

Python3 中默认把脚步文件使用 UTF-8 来处理

python3

windows控制台的命令解释器编码

windows 控制台中,python的命令解释器编码默认为gbk，gbk的中文为2个字节, 而utf8中文为3个字节，

windows中，把unicode编码为utf-8字节序列后，print出来会是乱码，因为控制台使用的编码是gbk

乱码

BOM是什么

BOM（byte-order mark）字节序标记，意思是UTF-16中分为大字节序和小字节序，小字节序系统需要在文本

前面添加\xff\xfe，没有BOM则是大字节序。但windows下有个奇怪的问题，notepad会在文件里面自动添加BOM，

而且Excel也会根据有没有BOM判断是否为UTF-8编码。这就是我们用notepad++保存csv格式的文件是要带上BOM的原因