python - 将非 ascii 字符分配给 python 内置字符串时，该值意味着什么？

Question

我最近在研究一些与编码相关的东西，我对以下内容感到困惑:

看看我有没有

a = "哈"  ## whatever non-ascii char is fine
a[0] ## = "\xe5"
a[1] ## = "\x93"
a[2] ## = "\x88"

len(a) 将为 3，每个值将为“\xe5”、“\x93”和“\x88”

我明白如果我这样做:

a.decode("utf-8") ## = u"\u54c8"

它将成为一个unicode字符串，代码点将为“\u54c8”。问题是:python内置的字符串使用什么编码方式？为什么a[0] 不是“\x54”，a[1] 不是“\xc8”，这样它们加起来就是“54c8”？

我猜内置 python str 中的编码不应该是 utf-8，因为正确的 utf-8 代码点应该是“\u54c8”。是这样吗？

Answer 1

UTF-8 和 Unicode 不是一回事。 Unicode 是整数值到字符的抽象映射； UTF-8 是将这些整数表示为字节序列的一种特殊方式。 \xe5\x93\x88是整数0x54c8的三字节UTF-8编码，无法用单个字节表示。

Python 2 中的默认编码是 ISO-8859，但在 Python 3 中更改为 UTF-8。