问为什么可以解码‘\XE5’而不能解码'\xe5'？

EN

您只能对Unicode字符串进行编码。如果在字节串上调用encode，Python会首先尝试使用默认编码对其进行解码-因此会出现错误。(请注意，这种令人困惑的行为只在Python 2中发生，它已经在Python 3中删除)。

在python2中，字符串是ASCII码，而在python3中，字符串是Unicode。

ASCII字符的值只能介于0和127之间(包括0和127)。但是，Unicode字符可能具有更高的值。

python2

>>> a = '\x7f'
>>> a.encode('utf-8')
'\x7f'
>>> a = '\x80'
>>> a.encode('utf-8')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0x80 in position 0: ordinal not in range(128)

python3

>>> a = '\x7f'
>>> a.encode('utf-8')
b'\x7f'
>>> a = '\x80'
>>> a.encode('utf-8')
b'\xc2\x80'

这在带有u前缀的python2中有效的原因是因为您显式地声明了“这是一个Unicode字符串”。

为了更深入地理解在python2中使用Unicode，可能值得一读。

• Unicode HOWTO
• Overcoming frustration: Correctly using unicode in python2

要使用(中断的)接口，最好将返回的字符串转换为字节数组，但请注意，这在python3中不起作用。

>>> a = '\xe5'
>>> b = bytearray(a)
>>> b[0]
229

请记住，\xe5不是有效的Unicode (UTF-8)字符...要在UTF-8编码的字符串中存储值0xE5，需要存储两个字节：0xC3 0xA5。

让我把你的困惑撕成碎片吧。让我们首先从str和unicode之间的区别开始。在Python 2.x中：

1. str是一个8位字符(1字节)的字符串，只要有可能就会打印为ASCII码。str.
2. unicode实际上是一个字节序列，等同于Python3.x中的str。*没有编码，因为bytes是一串Unicode代码点。

第二，根据Python documentation的编码方式：

“将Unicode字符串转换为字节序列的规则称为编码。”

然后，问自己这个问题:对已经是字节序列的str进行编码有意义吗？答案是否定的。因为str已经是一个字节序列。然而，对unicode进行编码确实有意义，为什么？因为它是Unicode字符代码点的字符串(即，U+00E4')。