帮助我了解为什么Unicode有时只能与Python一起使用

帮助我了解为什么Unicode有时只能与Python一起使用

Python（和大多数其他语言）中的I / O基于 bytes
。当您将字节字符串（

str

在2.x中，

bytes

在3.x中）写入文件时，字节只是按原样写入。当您将Unipre字符串（

unipre

在2.x，

str

3.x中）写入文件时，需要将数据
编码 为字节序列。

有关此区别的进一步说明，请参见“ 深入Python 3”
一章中的字符串。

print('abcd kΩ ☠ °C √Hz µF ü ☃ ♥')

在此，字符串是字节字符串。由于源文件的编码为UTF-8，因此字节为

'abcd kxcexa9 xe2x98xa0 xc2xb0C xe2x88x9aHz xc2xb5F xc3xbc xe2x98x83 xe2x99xa5'

该

print

语句将这些字节原样写入控制台。但是Windows控制台将字节字符串解释为在“
OEM”代码页（在美国为437）中编码。因此，您实际在屏幕上看到的字符串是

abcd kΩ ☠ °C √Hz µF ü ☃ ♥

在您的Ubuntu系统上，这不会造成问题，因为默认的控制台编码是UTF-8，因此您在源文件编码和控制台编码之间没有差异。

print(u'abcd kΩ ☠ °C √Hz µF ü ☃ ♥')

打印Unipre字符串时，必须将字符串 编码 为字节。但是，只有在您的编码支持这些字符的情况下，它才有效。而你没有。

• 缺省的IBM437编码缺少字符

  ☠☃♥

• Spyder使用的Windows-1252编码缺少字符

  Ω☠√☃♥

  。

因此，在两种情况下，您都会收到一个UnipreEnpreError尝试打印字符串。

是什么赋予了？

Windows和Linux采用了截然不同的方法来支持Unipre。

最初，它们的工作方式几乎相同：每个语言环境都有自己的

char

基于特定语言的编码（Windows中为“
ANSI代码页”）。西方语言使用ISO-8859-1或Windows-1252，俄语使用KOI8-R或Windows-1251等。

当Windows
NT添加了对Unipre的支持时（即早先假定Unipre将使用16位字符），它通过创建其API的并行版本（

wchar_t

而不是）来实现

char

。例如，MessageBox函数被拆分为两个函数：

int MessageBoxA(HWND hWnd, const char* lpText, const char* lpCaption, unsigned int uType);int MessageBoxW(HWND hWnd, const wchar_t* lpText, const wchar_t* lpCaption, unsigned int uType);

“ W”功能是“真实”功能。存在“
A”函数是为了与基于DOS的Windows向后兼容，并且大多数情况下只是将其字符串参数转换为UTF-16，然后调用相应的“ W”函数。

在Unix世界（特别是Plan 9）中，编写一个全新版本的POSIX
API被认为是不切实际的，因此以不同的方式获得了Unipre支持。使用CJK语言环境中对多字节编码的现有支持来实现现在称为UTF-8的新编码。

在编写支持Unipre的跨平台代码时，在类Unix系统上对UTF-8的偏爱以及在Windows上对UTF-16的偏爱是一个巨大的痛苦。Python试图向程序员隐藏此内容，但打印到控制台是Joel的“泄漏抽象”之一。