Unicode Tips

<code>String regex = </code><code>"[\\p{InCJK Unified Ideographs}&amp;&amp;\\P{Cn}]]"</code><code>;</code>

<a href="http://s4.51cto.com/wyfs02/M01/79/84/wKioL1aTcxbjlCovAAA4_yGLBkg691.png" target="_blank"></a>

5、关于utf8的bom头。（Python3下）

<code>&gt;&gt;&gt; </code><code>import</code> <code>codecs</code>

<code>&gt;&gt;&gt; codecs.BOM_UTF8</code>

<code>b</code><code>'\xef\xbb\xbf'</code>

<code>&gt;&gt;&gt; </code><code>len</code><code>(b</code><code>'\xef\xbb\xbf'</code><code>)</code>

<code>3</code>

<code>&gt;&gt;&gt; codecs.BOM_UTF8.decode(</code><code>'utf8'</code><code>)</code>

<code>'\ufeff'</code>

<code>&gt;&gt;&gt; </code><code>len</code><code>(</code><code>'\ufeff'</code><code>)</code>

<code>1</code>

6、一些编码字符集的关系：

（1）、gb2312-1980 &lt; gbk-1995 &lt; gb18030-2000 &lt; gb18030-2005

<code># 收录汉字个数</code>

<code>gb2312-1980：6763</code>

<code>gbk-1995：21003</code>

<code>gb18030-2000：27533</code>

<code>gb18030-2005：70244</code>

本文转自walker snapshot博客51CTO博客，原文链接http://blog.51cto.com/walkerqt/1733872如需转载请自行联系原作者

RQSLT