为什么字符串和列表在 UNICODE(utf-8) 中有所不同？'-'怎么会出错呢？

Question

>>> final=[]
>>> for a in range(65535):
        final.append([a,chr(a)])


>>> file=open('1.txt','w',encoding='utf-8')
>>> file.write(str(final))
960881
>>> file.close()
>>> final=''
>>> for a in range(65535):
        final+='%d -------- %s'%(a,chr(a))


>>> file=open('2.txt','w',encoding='utf-8')
>>> file.write(final)
Traceback (most recent call last):
  File "<pyshell#29>", line 1, in <module>
    file.write(final)
UnicodeEncodeError: 'utf-8' codec can't encode character '\ud800' in position 873642: surrogates not allowed

如您所见，1.txt 已保存。为什么保存第二个“文件”（字符串）会出错？

Answer 1

来自维基教科书：

\n\n

\n

Unicode 和 ISO/IEC 10646 不会将实际字符分配给 D800\xe2\x80\x93DFFF 范围 \xe2\x80\x94 中的任何代码点，这些代码点仅在代理项对中使用时才有意义。因此，代理对中的单个代码点不代表字符，除非在代理对中使用，否则无效，并且

\n

\n\n

所以我想说chr(0xd800)already是无效的，我猜Python只是出于速度原因不检查它。但 UTF-8 编码器确实会检查它并抱怨。

\n\n

它适用于第一个文件的原因是，将字符串包装在列表中并str在该列表上使用会导致对repr字符串进行 -ing：

\n\n

>>> str( chr(0xd800) )\n\'\\ud800\'\n>>> str([chr(0xd800)])\n"[\'\\\\ud800\']"\n

\n\n

请注意列表版本中的双反斜杠。它不是一个“无效字符”，而是六个\\ud800有效字符\\、u、d、和。这些可以被编码。800

\n