为什么Python在默认编码是ASCII时打印unicode字符？
从Python 2.6shell：
>>> import sys >>> print sys.getdefaultencoding() ascii >>> print u'\xe9' é >>> 我打算在打印语句后有一些乱码或错误，因为“é”字符不是ASCII的一部分，我没有指定编码。 我想我不明白是什么ASCII是默认的编码手段。
编辑
我将编辑移到Answers部分，并按build议接受。
由于各种答复中的点点滴滴，我想我们可以解释一下。
通过尝试打印unicodestringu'\ xe9'，Python隐式地尝试使用当前存储在sys.stdout.encoding中的编码scheme对该string进行编码。 Python实际上从启动的环境中选取了这个设置。 如果它无法从环境中find正确的编码，只有这样它才会恢复到默认的 ASCII。
例如，我使用一个编码默认为UTF-8的bash shell。 如果我从它启动Python，它会启动并使用该设置：
$ python >>> import sys >>> print sys.stdout.encoding UTF-8
让我们暂时退出Python shell并使用一些伪造编码来设置bash的环境：
$ export LC_CTYPE=klingon # we should get some error message here, just ignore it.
然后再次启动python shell，并确认它确实恢复为默认的ascii编码。
$ python >>> import sys >>> print sys.stdout.encoding ANSI_X3.4-1968
答对了！
如果你现在尝试在ascii之外输出一些unicode字符，你会得到一个很好的错误信息
>>> print u'\xe9' UnicodeEncodeError: 'ascii' codec can't encode character u'\xe9' in position 0: ordinal not in range(128)
让退出Python并丢弃bash shell。
现在我们将观察Python输出string后会发生什么。 为此，我们首先在一个graphicsterminal（我使用Gnometerminal）中启动一个bash shell，然后我们将terminal设置为使用ISO-8859-1（也就是latin-1）解码输出（graphicsterminal通常有一个设置字符在其中一个下拉菜单中进行编码 ）。 请注意，这不会改变实际的shell环境的编码，它只会改变terminal本身将解码输出的方式，有点像Web浏览器。 因此，您可以独立于shell的环境更改terminal的编码。 然后让我们从shell启动Python，并validationsys.stdout.encoding是否设置为shell环境的编码（UTF-8）：
$ python >>> import sys >>> print sys.stdout.encoding UTF-8 >>> print '\xe9' # (1) é >>> print u'\xe9' # (2) é >>> print u'\xe9'.encode('latin-1') # (3) é >>>
（1）python按原样输出二进制串，terminal接收它并尝试将其值与latin-1字符映射匹配。 在拉丁语-1中，0xe9或233产生字符“é”，所以这就是terminal显示的内容。
（2）python尝试用当前在sys.stdout.encoding中设置的任何scheme来隐式编码Unicodestring，在这种情况下它是“UTF-8”。 经过UTF-8编码后，得到的二进制string是'\ xc3 \ xa9'（见后面的解释）。 terminal接收到这样的数据stream，并尝试使用latin-1对0xc3a9进行解码，但latin-1从0到255，因此，一次只解码数据stream1个字节。 0xc3a9是2个字节长，latin-1解码器因此将其解释为0xc3（195）和0xa9（169），并产生2个字符：Ã和©。
（3）Python使用拉丁-1scheme编码unicode代码点u'\ xe9'（233）。 原来，latin-1代码点的范围是0-255，并指向与该范围内的Unicode完全相同的字符。 因此，用latin-1编码时，该范围内的Unicode代码点将产生相同的值。 所以用'latin-1'编码的u'\ xe9'（233）也会产生二进制string'\ xe9'。 terminal接收该值并尝试在拉丁字母1映射上匹配它。 就像情况（1）一样，它产生“é”，这就是显示的内容。
现在让我们从下拉菜单中将terminal的编码设置更改为UTF-8（就像您要更改网页浏览器的编码设置一样）。 不需要停止Python或重新启动shell。 terminal的编码现在匹配Python的。 我们再试一次打印：
>>> print '\xe9' # (4) >>> print u'\xe9' # (5) é >>> print u'\xe9'.encode('latin-1') # (6) >>>
（4）python按原样输出一个二进制string。 terminal尝试用UTF-8解码该stream。 但是UTF-8不理解值0xe9（见后面的解释），因此无法将其转换为unicode代码点。 没有find代码点，没有打印字符。
（5）python尝试隐式地将Unicodestring与sys.stdout.encoding中的string进行编码。 仍然是“UTF-8”。 产生的二进制string是'\ xc3 \ xa9'。 terminal接收stream并尝试使用UTF-8解码0xc3a9。 它返回代码值0xe9（233），在Unicode字符映射上指向符号“é”。 terminal显示“é”。
（6）python使用latin-1编码unicodestring，它会产生一个具有相同值'\ xe9'的二进制string。 再次，对于terminal来说，这与案例（4）几乎相同。
结论： – Python将非Unicodestring输出为原始数据，而不考虑其默认编码。 如果当前的编码与数据匹配，terminal恰好显示它们。 – Python使用sys.stdout.encoding中指定的scheme编码后输出Unicodestring。 – Python从shell的环境中获取设置。 – terminal根据自己的编码设置显示输出。 – terminal的编码是独立于shell的。
unicode，UTF-8和latin-1的更多细节：
Unicode基本上是一个字符表，其中一些键（代码点）通常被指定为指向一些符号。 例如按照惯例，已经确定键0xe9（233）是指向符号“é”的值。 ASCII和Unicode使用相同的代码点，从0到127，latin-1和Unicode从0到255.也就是说，0x41指向'A'，ASCII，latin-1和Unicode，0xc8指向'Ü' latin-1和Unicode，0xe9指向latin-1和Unicode的“é”。
在使用电子设备时，Unicode代码点需要一种有效的电子表示方式。 这就是编码scheme。 存在各种Unicode编码scheme（utf7，UTF-8，UTF-16，UTF-32）。 最直观，最直接的编码方法是简单地使用Unicode映射中的代码点值作为其电子表单的值，但Unicode目前有超过一百万个代码点，这意味着其中一些代码点需要3个字节expression。 为了高效地处理文本，1对1的映射将是不切实际的，因为它要求所有的代码点被存储在完全相同的空间中，每个字符至less有3个字节，而不pipe它们的实际需要如何。
大多数编码scheme在空间要求上都有缺点，最经济的编码方式并不包括所有的Unicode编码点，例如ascii只涵盖前128个，latin-1涵盖前256个。浪费，因为他们需要更多的字节超过必要的，即使是普通的“便宜”字符。 例如UTF-16，每个字符至less使用2个字节，包括那些在ASCII范围内（'B'是65，仍然需要2个字节的UTF-16存储空间）的字符。 由于UTF-32以4字节存储所有字符，因此更加浪费。
UTF-8碰巧巧妙地解决了这个难题，一个能够存储具有可变数量的字节空间的代码点的scheme。 作为其编码策略的一部分，UTF-8将带有标志位的代码点（可能是为了解码器）标明它们的空间需求和边界。
unicode代码点在ASCII范围（0-127）中的UTF-8编码：
0xxx xxxx (in binary)
- x表示在编码期间保留用于“存储”代码点的实际空间
- 前面的0是一个标志，向UTF-8解码器表明这个编码点只需要1个字节。
- 在编码时，UTF-8不会改变该特定范围内的代码点的值（即以UTF-8编码的65也是65）。 考虑到Unicode和ASCII在相同的范围内也是兼容的，偶然地使UTF-8和ASCII在该范围内也是兼容的。
例如，'B'的Unicode代码点是'0x42'或0100 0010（二进制）（正如我们所说的，它在ASCII中是相同的）。 在UTF-8编码后，它变成：
0xxx xxxx <-- UTF-8 encoding for Unicode code points 0 to 127 *100 0010 <-- Unicode code point 0x42 0100 0010 <-- UTF-8 encoded (exactly the same)
Unicode代码点超过127（非ASCII）的UTF-8编码：
110x xxxx 10xx xxxx <-- (from 128 to 2047) 1110 xxxx 10xx xxxx 10xx xxxx <-- (from 2048 to 65535)
- 前导比特'110'向UTF-8解码器指示以2字节编码的码点的开始，而'1110'指示3个字节，11110将指示4个字节等等。
- 内部“10”标志位用来表示内部字节的开始。
- 再次，x标记编码后存储Unicode代码点值的空间。
例如'é'，Unicode代码点是0xe9（233）。
1110 1001 <-- 0xe9
当UTF-8编码该值时，它确定该值大于127且小于2048，因此应该以2个字节编码：
110x xxxx 10xx xxxx <-- UTF-8 encoding for Unicode 128-2047 ***0 0011 **10 1001 <-- 0xe9 1100 0011 1010 1001 <-- 'é' after UTF-8 encoding C 3 A 9
UTF-8编码之后的0xe9 Unicode代码点变为0xc3a9。 terminal如何接收 如果您的terminal设置为使用latin-1（其中一个非unicode遗留编码）对string进行解码，您将看到é，因为它恰好在latin-1中的0xc3指向Ã和0xa9到©。
当Unicode字符被打印到标准输出时，使用sys.stdout.encoding 。 假设一个非Unicode字符在sys.stdout.encoding ，并且只发送给terminal。 在我的系统上：
>>> import unicodedata as ud >>> import sys >>> sys.stdout.encoding 'cp437' >>> ud.name(u'\xe9') 'LATIN SMALL LETTER E WITH ACUTE' >>> ud.name('\xe9'.decode('cp437')) 'GREEK CAPITAL LETTER THETA' >>> import unicodedata as ud >>> ud.name(u'\xe9') 'LATIN SMALL LETTER E WITH ACUTE' >>> '\xe9'.decode('cp437') u'\u0398' >>> ud.name(u'\u0398') 'GREEK CAPITAL LETTER THETA' >>> print u'\xe9' é >>> print '\xe9' Θ
sys.getdefaultencoding()仅在Python没有其他选项时使用。
Python REPL会尝试从您的环境中select要使用的编码。 如果它发现一些理智，那么这一切都只是工作。 这是什么时候它无法弄清楚它发生了什么事情。
>>> print sys.stdout.encoding UTF-8
您已通过input明确的Unicodestring来指定编码。 比较不使用u前缀的结果。
>>> import sys >>> sys.getdefaultencoding() 'ascii' >>> '\xe9' '\xe9' >>> u'\xe9' u'\xe9' >>> print u'\xe9' é >>> print '\xe9' >>>
在\xe9的情况下，然后Python采用默认编码（Ascii），从而打印…一些空白。
这个对我有用：
import sys stdin, stdout = sys.stdin, sys.stdout reload(sys) sys.stdin, sys.stdout = stdin, stdout sys.setdefaultencoding('utf-8')
