文本和字节序列

字符问题

• 字符串是一个字符序列
• 字符的最佳定义是Unicode字符
  
• decode即把字节序列转换为人类可读的文本序列；
• encode即把字符串变成用于存储和传输的字节序列；

字节概要

• Python内置两种基本的二进制序列：bytes类型和bytearray类型;
  
• 注意点；
  
• 二进制序列虽然是整数序列，但其字面量表示法中含有ASCII字符本身；
• 字节的值的表示方法；
  
• memoryview用于共享内存，从而在访问其他二进制序列、打包的数组和缓冲中的数据切片时无需复制字节序列；

基本编解码器

• Python自带了超过100种编解码器；

• 不同编码器对字符的编码效果；
  

• 一些典型的编码类型；
  

编码解码问题

• UnicodeEncodeError
  把文本转换为字节序列时，如果目标编码中没有定义某个字符就会抛出该错误；
  

• UnicodeDecodeError
  字节序列可能会出现无效utf-8 or utf-16,所以在把二进制序列转换成文本时，遇到无法转换的字节可能会出现以上错误；
  很多陈旧的编码能够解码任何字节序列流而不抛出错误，但这样得到的是无用输出；
  
  处理文本
  

• 在输入的时候将字节解码为字符；

• 处理过程之中不进行编码解码操作；

• 在输出的时候将输出的文本进行编码；

• 在多台设备或者不同场合下运行的代码尽量不依赖默认编码；

• 应当传入encoding参数避免多台设备默认编码方式不同的情况；

Unicode文本排序

• Python比较任何类型的序列时会一一比较序列中的各个元素；
• 字符串比较其码位；
• 不同的排序规则会得到不同的排序结果；