欲仙欲死的字符编码问题请教

[echo1937]

先引用一段教程里的话:
Python 2.6中这种自由混合字符串类型的方法，只有在字符串和unicode对象的编码类型兼容的情况下才有效：
>>> S = 'A\xC4B\xE8C' # Can't mix if incompatible
>>> U = u'A\xC4B\xE8C'
>>> S + U
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 1: ordinal not in range(128)
>>> S.decode('latin-1') + U # Manual conversion still required
u'A\xc4B\xe8CA\xc4B\xe8C'
>>> print S.decode('latin-1') + U
AÄBèCAÄBèC

问题是:
1.S编码类型是ascii吧?U编码类型是latin-1吧?
2.latin-1是兼容ascii的吧,为什么还需要手动转换呢?

[imn1]

ascii 是0-127
latin-1是 0-255

[lilydjwg]

U 是 Unicode 字符串，没有编码一说。当 str 和 unicode 相加时，Python 2 尝试将 str 以 ASCII 解码，所以出错了。

[Sylv]

S 是 latin-1 编码的 str 类型字符串
U 是 unicode 类型字符串，存储的不是编码，而是码点

S + U：是一个 str 类型字符串加一个 unicode 类型字符串，类型不一致，所以 Python 会把 str 类型的 S 用默认编码 ascii 转换为 unicode 类型。因此 S + U 等价于：S.decode('ascii') + U。

而字符串 S 是不能用 ascii 编码转换为 unicode 的，要用 latin-1编码：
>>> S.decode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc4 in position 1: ordinal not in range(128)
>>> S.decode('latin-1')
u'A\xc4B\xe8C'

因此想要不报错需要：
S.decode('latin-1') + U

[onlyice]

楼上正解

[Sylv]

另：'\xC4' 不是 4 个字符，而是 1 个字符，其编码值为 16 进制的 C4，也就是 10 进制的 196。如一楼所说，ascii 编码的范围是 0-127，所以 '\xC4' 并不在 ascii 编码范围内，那么 S 编码类型就不会是 ascii。

[echo1937]

@Sylv 已感谢，另请教什么是码点，Google未果。

[Sylv]

@echo1937
https://en.m.wikipedia.org/wiki/Code_point

[shuax]

每个用python的人，都被编码折磨过

[fengjianxinghun]

python2唯一坑爹的地方就是str 和unicode这里。。。。