流畅的 Python - 3. 文本与字节

对于字符串，我们接触得挺多的。而编码问题，也不时令人头疼的。

由于一开始接触的就是 Python3，所以一些在 Python2 上的编码上的坑我没遇到，甚至在 Python3 上都很少遇到编码问题，因为 Python3 默认的编码是 utf-8，而之前又从 Windows 转到了 Arch，编码问题已经很少遇到了。

不过还是要重新认识一下字符与字节。字节可由指定字符串编码得到，是不可变类型。使用下标获取字节的值时，返回的是整数。这个是没想到的。很多适用于 str 对象的方法也适用于 bytes 对象。

struct 模块提供了一些函数可把字节序列与其他不同的类型互相转换。memoryview 用于共享内存，前面刚碰到过。

除了 utf-8 编码，Python 还内置了许多其他的编码器。不同编码器编码的相同的字符，最终的字节大小可能会不同。

对于 UnicodeEncodeError 和 UnicodeDecodeError，是由于对应编码不能处理字符串 / 字节导致的。而 SyntaxError，则是由于没有声明编码，平台编码不能处理对应模块的 .py 文件。

在处理文件文件时，建议是指定编码打开或写入，不然跨操作系统运行脚本可能会出错。

之后，讲到了规范化 Unicode 字符串。之前是一直没想过这样的问题，一些特殊字符，该怎么搜索？这里给出了答案，那就是使用 unicodedata.normalize 函数提供的

Unicode 规范化。它有四个参数：NFC、NFD、NFKC和NFKD。

 NFC（Normalization Form C）使用最少的码位构成等价的字符串，而 NFD 把组合字符分解成基字符和单独的组合字符。

在另外两个规范化形式（NFKC 和 NFKD）的首字母缩略词中，字母 K 表示“compatibility”（兼容性）。

一般使用 NFC 保存字符串。后两种转换会有格式损失，但在搜索中却很有用。

还有就是大小写折叠，不仅仅是忽略大小写，而且把其他一些符号改变。书上还介绍了一规范化——把变音符号去掉。

对 Unicode 字符的排序，可使用 key 关键字参数获得我们想要的排序结果。之后就是 Unicode 数据库，里面保存了各种关于 Unicode 的消息。

最后是双模 API，同一函数能接受字符串和字节进行操作。

书上很多问题都没怎么遇到，也没想到会这么复杂，不过相信以后会接触到的。慢慢消化吧。