【Python開發web】(4) — Python基礎之中文字元

上一篇提到了中文字元的長度，這篇主要就這點做了些測試，代碼如下：

#!/usr/bin/python<br />#-*- coding: utf-8 -*-<br />s = "中國"<br />ss = u"中國"<br />print s, type(s), len(s)<br />print ss, type(ss), len(ss)<br />print '-' * 40<br />print repr(s)<br />print repr(ss)<br />print '-' * 40<br />s1 = s.decode('utf-8')<br />print s1,len(s1),type(s1)<br />print '-' * 40<br />s2 = s.decode('utf-8').encode('gbk')<br />print s2<br />print type(s2)<br />print len(s2)<br />print '-' * 40<br />s3 = ss.encode('gbk')<br />print s3<br />print type(s3)<br />print len(s3)

執行結果如下：

中國 <type 'str'> 6<br />中國 <type 'unicode'> 2<br />----------------------------------------<br />'/xe4/xb8/xad/xe5/x9b/xbd'<br />u'/u4e2d/u56fd'<br />----------------------------------------<br />中國 2 <type 'unicode'><br />----------------------------------------<br />�й<br /><type 'str'><br />4<br />----------------------------------------<br />�й<br /><type 'str'><br />4

 

補充：

查看python中預設編碼設定：

>>> import sys<br />>>> sys.getdefaultencoding()<br />'ascii' 

由於在檔案的頭上已經指明了#-*- coding: utf-8 -*- ，則s的編碼已是utf-8。

在utf-8下，英文字母佔一個位元組，中文佔3個位元組；

unicode下的中文是1個字元（雙位元組）；

GBK編碼下的中文佔2個位元組。(感謝keakon的指正)