为什么python2和python3中的print输出使用相同的字符串不同？

为什么python2和python3中的print输出使用相同的字符串不同？

考虑以下代码片段：

import sysfor i in range(128, 256):    sys.stdout.write(chr(i))

使用Python 2运行此命令，然后使用以下命令查看结果

hexdump -C

：

00000000  80 81 82 83 84 85 86 87  88 89 8a 8b 8c 8d 8e 8f  |................|

等等。不出意外；从

0x80

到128个字节

0xff

。

对Python 3做同样的事情：

00000000  c2 80 c2 81 c2 82 c2 83  c2 84 c2 85 c2 86 c2 87  |................|...00000070  c2 b8 c2 b9 c2 ba c2 bb  c2 bc c2 bd c2 be c2 bf  |................|00000080  c3 80 c3 81 c3 82 c3 83  c3 84 c3 85 c3 86 c3 87  |................|...000000f0  c3 b8 c3 b9 c3 ba c3 bb  c3 bc c3 bd c3 be c3 bf  |................|

总结一下：

• 从

  0x80

  到的所有内容

  0xbf

  都已

  0xc2

  添加。
• 从

  0xc0

  到的所有内容都将第

  0xff

  6位设置为零，并且已

  0xc3

  添加。

那么，这是怎么回事？

在Python 2中，字符串为ASCII，并且不进行任何转换。告诉它写在0-127 ASCII范围之外的内容，并说“ okey-
doke！”。并只写那些字节。简单。

在Python 3中，字符串是 Unipre 。写入非ASCII字符时，必须以某种方式对它们进行 编码 。默认编码为UTF-8。

那么，这些值如何用UTF-8编码？

从

0x80

到的代码点

0x7ff

编码如下：

110vvvvv 10vvvvvv

其中11个

v

字符是代码点的位。

从而：

0x80      hex1000 0000 8-bit binary000 1000 0000        11-bit binary00010 000000         divide into vvvvv vvvvvv11000010 10000000    resulting UTF-8 octets in binary0xc2 0x80 resulting UTF-8 octets in hex0xc0      hex1100 0000 8-bit binary000 1100 0000        11-bit binary00011 000000         divide into vvvvv vvvvvv11000011 10000000    resulting UTF-8 octets in binary0xc3 0x80 resulting UTF-8 octets in hex

因此，这就是为什么要获得

c2

以前的原因

87

。

如何在Python 3中避免所有这些？使用

bytes

类型。