python - str.encode()提供意外结果

Question

我一直在玩python内置函数，并得到了一些令人困惑的结果(对我而言)。
看一下这段代码:

>>> 'ü'.encode()
b'\xc3\xbc'

为什么返回 \xc3\xbc(十进制的195和188)？如果您查看 ascii table，我们会看到 ü是第129个字符。或者，如果您看一下 here，我们会看到 ü是252'nd Unicode字符，这是您从中得到的

>>> ord('ü')
252

那么 \xc3\xbc是从哪里来的，为什么将它分成两个字节呢？解码时: b'\xc3\xbc'.decode()，怎么知道这两个字节是一个字符？

Answer 1

在您要查看的表上，您正在查看标题为“扩展的ASCII”的部分，该部分在ISO/IEC 8859或latin1中更常见。 ASCII作为字符集，定义了从0到127的7位字符。latin1定义了其他128个单字节字符，并且是ASCII的扩展。 Python使用UTF-8，它扩展了ASCII(因此与ASCII兼容)但与latin1不兼容。
字符ü具有Unicode代码点0xFC(十进制252)，并且在使用UTF-8时使用两个字符进行编码。
许多在线ASCII表弄错了这一点。将代码点称为128个字符(最多255个ASCII字符)是不准确的，因为ASCII并不要求为这些代码点分配任何值。