普通 Python 字符串使用什么编码？
我知道Django这个框架到处都在使用Unicode字符串，而不是普通的Python字符串。那么，普通的Python字符串用的是什么编码呢？为什么不使用Unicode呢？
6 个回答
嘿！我想给其他答案补充一些内容，但可惜我的积分还不够，没法好好做这件事 :-(
顺便说一下，Mike Graham的帖子写得不错，建议你先看看他的内容。
这里有几点评论：
- 在Python 2.x中，Unicode字面量前面需要加个“u”，但在最近的2.x版本（2.6及以上）中，这个要求可以很容易地去掉。你只需要在代码里加上
from __future__ import unicode_literals。 - 同样，ASCII只是默认的源编码。Python能够理解多种编码提示，包括emacs风格的
# -*- coding: utf-8 -*-。想了解更多信息，可以查看 PEP 0263。改变源编码会影响Unicode字面量的解释（不管它们有没有前缀，第一点提到的影响）。在Python 3中，默认的文件编码是UTF-8。 - 当然，Python在内部使用编码来处理Unicode字符串（在Python 3中是
str，在2.x中是unicode），因为最终这些内容需要写入内存。理想情况下，用户是看不到这些细节的。不过，事情总会有不完美的地方，有时你可能会遇到问题，特别是当你使用一些特殊字符时，这些字符在Unicode的基本多语言平面之外。自从Python 2.2起，我们有了所谓的 宽 和 窄 版本；这两个名字指的是内部存储Unicode代码点所用的类型。宽版本使用UCS-4，它用4个字节来存储一个Unicode代码点（这意味着UCS-4的代码单元大小是4个字节，或者32位）。窄版本使用UCS-2，UCS-2只有16位，因此不能准确编码所有Unicode代码点（它类似于UTF-16，但没有代理对）。你可以通过检查sys.maxunicode的值来确认。如果它是1114111，那么你使用的是宽版本（可以正确表示所有Unicode）。如果小于这个值，也不用太担心。基本多语言平面（代码点0x0000到0xFFFF）满足大多数人的需求。想了解更多信息，可以查看 PEP 0261。
在Python 2中：普通字符串（Python 2.x中的str）没有编码，它们就是原始数据。
在Python 3中：这些被称为“字节”，这个名字很准确，因为它们只是字节的序列，可以是用任何编码方式表示的文本（有几种常见的编码方式！）或者完全不是文本的数据。
如果你想表示文本，你需要使用unicode字符串，而不是字节字符串。这里的“unicode字符串”指的是Python 2中的unicode实例和Python 3中的str实例。Unicode字符串是以抽象的方式表示的unicode代码点的序列，没有具体的编码；这非常适合表示文本。
字节字符串很重要，因为在网络上传输数据或写入文件等情况下，你不能用抽象的unicode表示数据，你需要用具体的字节表示。虽然它们常常用来存储和表示文本，但这样做其实有点不太规范。
这个情况变得复杂，因为你应该通过调用encode将unicode转换为字节，通过decode将字节转换为unicode，但Python会试图自动为你处理这些，使用一个全局编码，你可以设置，默认是ASCII，这是最安全的选择。不要依赖这个自动处理，也不要把它改成更灵活的编码——在你得到字节字符串时要明确解码，如果需要把字符串发送到外部地方，就要明确编码。
从Python 3.0开始，所有字符串默认都是unicode格式，同时还有一种叫做bytes的数据类型（Python文档）。
Python的开发者认为使用unicode是个好主意，而在Python 2中没有广泛使用unicode，主要是为了兼容旧版本。这也会影响性能。