Python：代碼單元、代碼點介紹

標籤：htm   blank   返回   point   tar   nbsp   分配   run   post   

轉於：https://www.cnblogs.com/runwulingsheng/p/5106078.html

博主：你是那天邊突然划過的一道閃電

 

代碼點：指編碼錶(比如Unicode)中某個字元的代碼值(數字)，書寫時前面加U+，比如U+0041是字母A的代碼點

代碼單元：指表示編碼錶字元的最小儲存單元，用16位表示

Unicode 代碼點	U+0041	U+00DF	U+6771	U+10400
表示字形
UTF-32 代碼單元	00000041	000000DF	00006771	00010400
UTF-16 代碼單元	0041	00DF	6771	D801 DC00
UTF-8 代碼單元	41	C3 9F	E6 9D B1	F0 90 90 80

增補字元，用兩個代碼單元表示的字元

網摘： 代碼點（Code Point）：指Unicode中為字元分配的編號，一個字元只佔一個代碼點；例如：我們說到字元“漢”，它的代碼點是U+6C49；  代碼單元（Code Unit）：是針對編碼方法而言，它指的是編碼方法中對一個字元編碼以後所佔的最小儲存單元；例如：UTF-8中，代碼單元是一個位元組，因為一個字元可以被編碼為1個，2個或者3個4個位元組；在UTF-16中，代碼單元變成了兩個位元組（就是一個char），因為一個字元可以被編碼為1個或2個char（你找不到比一個char還小的UTF-16編碼的字元，嘿嘿）。 #一個字元，僅僅對應一個代碼點，但卻可能有多個代碼單元（即可能被編碼為2個char） #以上概念絕非學術化的繞口令，這意味著當你想以一種統一的方式指定自己使用什麼字元的時候，使用代碼點（即你告訴你的程式，你要用Unicode中的第幾個字元）總是比使用代碼單元更好（因為這樣做的話你還得區分情況，有時候提供一個16進位數字，有時候要提供兩個）。＂  例：想找到第i個代碼點，使用下列語句int index = greeting.offsetByCodePoints(0,i);  //得到0開始便宜i個代碼點的索引值(數字)int cp = greeting.codePointAt(index);  // 返回char值(unicode對應數字)

Python：代碼單元、代碼點介紹