我正在尝试使用Erlang library "unicode 将 UTF-8 字符串转换为 Unicode（代码点）列表。我的输入数据是一个字符串“АБВ”（俄罗斯字符串，正确的 Unicode 表示为 [1040,1041,1042]），以 UTF-8 编码。当我运行以下代码时：
1> unicode:characters_to_list(<<208,144,208,145,208,146>>,utf8).
[1040,1041,1042]
它返回正确的值，但如下：
2> unicode:characters_to_list([208,144,208,145,208,146],utf8).
[208,144,208,145,208,146]
没有。为什么会发生？正如我在specification 中读到的，输入数据可以是二进制或字符列表，所以，就我而言，我做的一切都是正确的。
【问题讨论】：
标签： unicode encoding utf-8 erlang
函数的签名是unicode:characters_to_list(Data, InEncoding)，它期望Data 是包含以InEncoding 编码编码的字符串的二进制文件，或者可能是InEncoding 编码的深度字符列表（代码点）和二进制文件。它返回 unicode 字符列表。 erlang 中的字符是整数。
当您调用unicode:characters_to_list(<<208,144,208,145,208,146>>, utf8) 或unicode:characters_to_list([1040,1041,1042], utf8) 时，它会正确解码unicode 字符串（是的，只要Data 是整数列表，第二个就是noop）。但是当您调用unicode:characters_to_list([208,144,208,145,208,146], utf8) 时，erlang 认为您以utf8 编码传递了 6 个字符的列表，因为它已经是 unicode，所以输出将完全相同。
erlang 中没有 byte 类型，但您假设 unicode:characters_to_list/2 将接受 list of bytes 并且行为正确。
总结一下。在 erlang 中有两种常用的方式来表示字符串，它们是位串和字符列表。 unicode:characters_to_list(Data, InEncoding) 在InEncoding 编码中采用这些表示之一（或它们的组合）中的字符串Data，并将其转换为unicode代码点列表。
如果您的示例中有[208,144,208,145,208,146] 列表，您可以使用erlang:list_to_binary/1 将其转换为二进制，然后将其传递给unicode:characters_to_list/2，即
1> unicode:characters_to_list(list_to_binary([208,144,208,145,208,146]), utf8).
[1040,1041,1042]
unicode 模块仅支持 unicode 和 latin-1。因此，（因为函数需要 unicode 或 latin-1 的代码点）characters_to_list 在代码点的平面列表的情况下不需要对列表做任何事情。但是，列表可能很深 (unicode:characters_to_list([[1040],1041,<<1042/utf8>>]).)。这就是支持Data 参数的列表数据类型的原因。
【讨论】：
InEncoding 参数）。它仅适用于 unicode（及其子集）。它认为它是 unicode，因为您将 utf8 作为 InEncoding 传递（将 unicode 字符列表转换为 unicode 字符列表）。我试图在回答中强调这一点，但我想我失败了。英语不够好:-(
Data 和 InEncoding 的任何可能组合都会返回相同的结果！例如，如果您将其称为("abc", latin1)，它将返回相同的内容（因为latin1 中的字符串是正确的 unicode 字符串），而对于另一个 utf 编码，它会返回相同的内容（例如，unicode:characters_to_list(binary_to_list(<<"abc"/utf32>>),utf32)）。不是，请您举一个Data 和InEncoding 的组合示例，当characters_to_list 将返回除Data 之外的任何其他内容时
Data 是“可能很深的整数和二进制列表”，输出是“表示 Unicode 字符的整数列表” .它有一种内置的超级“扁平化”，其中二进制文件被编码，列表元素是 unicode 值。有一个 characters_to_binary 以类似的方式工作，但输出是一个编码二进制文件。
<<208,144,208,145,208,146>> 是一个 UTF-8 二进制文件。
[208,144,208,145,208,146] 是字节列表（不是代码点）。
[1040,1041,1042] 是代码点列表。
您正在传递一个字节列表，但该函数需要一个字符列表或二进制文件。
【讨论】：