Python 字元編碼

 1 >>> str_ascii = '你好!'
 2 >>> str_unicode = u'你好!'
 3 >>> str_utf8 = str_unicode.encode('utf-8')
 4 >>> str_ascii
 5 '\xc4\xe3\xba\xc3!'
 6 >>> str_unicode
 7 u'\u4f60\u597d!'
 8 >>> str_utf8
 9 '\xe4\xbd\xa0\xe5\xa5\xbd!'
10 >>> str_utf8.decode('utf-8')
11 u'\u4f60\u597d!'
12 >>> str_unicode.encode('gbk')
13 '\xc4\xe3\xba\xc3!'

 

結論是什麼呢？

1. Unicode 對任何語言文字，都是 1個字元1個編碼，所以“hi!”是3個Unicode字元，“你好!”也是3個Unicode字元。
2. UTF-8 用3個字元來表示1個中文字元，用1個字元來表示英文字元。所以，“hi!”是3個UTF-8字元，“你好!”是7個UTF-8字元。
3. GBK 用2個字元來表示1個中文字元，用1個字元來表示英文字元。所以，“hi!”是3個GBK字元，“你好!”是5個GBK字元。
4. encode 方法，只適用於 unicode 字串，參數是目標編碼代號。
5. decode 方法，只適用於非 unicode 字串，參數是源字串的編碼代號。