python - \x 和 unicode 代码点之间的关系

Question

在 Python（2 或 3）中，评估b'\xe2\x80\x8f'.decode("utf-8")

产量\u200f，同样'\u200f'.encode("utf-8")产量b'\xe2\x80\x8f'。

第一个看起来像一个由三个 2 字符十六进制值组成的链，分别等于十进制 226、128 和 143。第二个看起来像一个等于十进制 8,207 的单个十六进制值。

'\xe2\x80\x8f' 和 '\u200f' 之间是否存在逻辑关系？我是否错误地解释了这些值？

我可以看到值以某种方式链接在这样的表中：https ://www.utf8-chartable.de/unicode-utf8-table.pl?start=8192&number=128&utf8=string-literal

但为什么这两个值在同一行？

标签： pythonunicodeutf-8hexescaping

Answer 1

差异与每个字符在 utf-8 中表示的位数/字节数有关。

对于等于或小于 127（十六进制 0x7F）的任何字符，UTF-8 表示为一个字节。它只是完整 unicode 值的最低 7 位。这也与 ASCII 值相同。

对于等于或小于 2047（十六进制 0x07FF）的字符，UTF-8 表示分布在两个字节上。第一个字节将设置两个高位，第三位清零（即 0xC2 到 0xDF）。第二个字节将设置最高位并清除第二个位（即 0x80 到 0xBF）。

有更多关于这里的信息。

如果您想了解有关 Python 如何使用这些值的更多信息，请查看此处。