python - utf8编码规则会受制于Unicode实际的字符对应吗?
迷茫
迷茫 2017-04-17 14:52:32
0
1
402

我用python 写
'\xF5\x90\x90\x90'.decode('utf8')
但是报错了:

UnicodeDecodeError: 'utf8' codec can't decode byte 0xf5 in position 0: invalid start byte

问题是:\xF5\x90\x90\x90是个标准的四字节的utf8编码的字符啊
转换成二进制就是11110101 10010000 10010000 10010000
完全符合utf8编码规则:11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

我把\xF5换成\xF2就没有问题了,也就是11110010开头,难道是因为Unicode实际上没有用到这么多的字符,所以不能decode('utf8')?但是规则是对的呀,万一哪天Unicode又扩充了很多字符集,那python的decode()函数岂不是要更新了?

迷茫
迷茫

业精于勤,荒于嬉;行成于思,毁于随。

全部回覆 (1)
Peter_Zhu

因为Unicode的范围是0x0000-0x10FFFF,我测试了一下,python中比规范更为宽松,最大支持到0xFFFFF,而你题目中输的已经超过这个范围所以报错了。
附:UTF-8标准 RFC3629

    最新下載
    更多>
    網站特效
    網站源碼
    網站素材
    前端模板
    關於我們 免責聲明 Sitemap
    PHP中文網:公益線上PHP培訓,幫助PHP學習者快速成長!