Python 字符编码

我的文本编辑器允许我以几种不同的字符格式编码Ansi、UTF-8、UTF-8（无BOM）、UTF-16LE和UTF-16BE

他们之间有什么区别

---

通常认为最好的格式是什么（如果有区别的话，我使用的是Python）

。请注意，“ANSI”通常是CP1252。

您可能会在没有BOM表的情况下获得最大的实用程序。忘记ANSI和ASCII的存在吧，它们是不推荐使用的恐龙。

• “Ansi”是一个用词不当的词，通常指的是当前平台上默认的8位编码（在“西方”Windows安装上通常是这样）。它只支持一小部分字符（最多256个不同的字符）
• 是一种可变长度的ASCII兼容编码，能够存储任何和所有Unicode字符。对于支持所有Unicode字符的西方文本来说，这是一个非常好的选择，在一般情况下也是一个非常可行的选择
• “UTF-8（无BOM）”是Windows给出的使用UTF-8而不写入BOM的名称。由于UTF-8不需要BOM，因此不应使用BOM，这将是正确的选择（几乎所有人都将此版本称为“UTF-8”！）
• UTF-16LE和UTF-16BE是编码的版本。与UTF-8一样，UTF-16能够表示任何Unicode字符，但它与ASCII不兼容

一般来说，UTF-8是一个很好的总体选择，并且具有广泛的兼容性（请确保不要编写BOM，因为这是大多数其他软件所期望的）

如果大多数文本由非ASCII字符组成（即不使用基本拉丁字母），UTF-16可能占用更少的空间

“Ansi”只应在您有特定需要与不支持Unicode的遗留应用程序交互时使用

任何编码的一个重要方面是，它们是元数据，除了数据之外，还需要进行通信。这意味着您必须知道某个字节流的编码，才能将其正确解释为文本。因此，您应该使用记录实际使用的编码的格式（XML是这里的一个主要示例），或者在给定上下文中对单个编码进行标准化并仅使用该编码

例如，如果您启动了一个软件项目，那么您可以指定所有源代码都使用给定的编码（同样：我建议使用UTF-8），并坚持使用该编码

具体地说，对于Python文件，有两个