Python 编码问题 utf-8 和 unicode

原创 2015年11月21日 19:52:09

前言:utf-8 和 unicode

UTF-8,1个汉字占3个字节,扩展B区以后的汉字占4个字节。
GBK,1个汉字占2个字节。
UTF-16,通常汉字占两个字节。
Unicode,一个英文等于两个字节,一个中文(含繁体)等于两个字节,范围是 \u4e00-\u9fa5。

UTF-8是Unicode的一个实现?

记得java虚拟机存储代码都是用unicode的,不涉及具体编码格式,只有在读入读出边界处会用具体编码格式来处理。

命令行模式下

>>> u'\u597d\u73a9'
u'\u597d\u73a9'
>>> print u'\u597d\u73a9'
好玩

好玩的 unicode 是 \u597d\u73a9

IDE模式下

# -*- coding: UTF-8 -*-
s = "好玩"
print s
print s.decode("utf-8").encode("utf-8")
print unicode(s,"utf-8")

print len(s)
print len(s.decode("utf-8").encode("utf-8"))
print len(unicode(s,"utf-8"))

输出

好玩
好玩
好玩
6
6
2

utf-8每个汉字占3个字节,所以“好玩”输出了6
一个汉字表示为一个unicode,所以这儿的len表示的是有几个unicode,所以输出了2

“好玩”的unicode为\u597d\u73a9

us = u'\u597d\u73a9'
print us
print us.encode("utf-8")

print len(us)
print len(us.encode("utf-8"))

输出

好玩
好玩
2
6

疑惑

us = u'\u597d\u73a9'
print us

这儿会输出汉字好玩

我不知道在IDE里面如何输出u'\u597d\u73a9',在命令行里面倒是可以。

输出的时候会转化为IDE控制台使用的编码格式,所以会输出汉字?

后来找到了解决方法,利用python自带的repr函数

us = u'\u597d\u73a9'
print repr(us)
print repr(us.encode("utf-8"))

输出

u'\u597d\u73a9'
'\xe5\xa5\xbd\xe7\x8e\xa9'

可以看出utf-8表示汉字确实用了3个字节。

版权声明:转载请注明出处 博客地址 http://blog.csdn.net/never_cxb

相关文章推荐

Python的编码注释# -*- coding:utf-8 -*-

如果要在python2的py文件里面写中文,则必须要添加一行声明文件编码的注释,否则python2会默认使用ASCII编码。 # -*- coding:utf-8 -*- 问题就来了,为什...
  • arbel
  • arbel
  • 2012年09月08日 18:50
  • 164272

python字符串编码及乱码解决方案

http://blog.csdn.net/pipisorry/article/details/44136297字符编码详解[字符编码ASCII,Unicode和UTF-8]皮皮BlogPython源码...

Python 字符编码学习-ascii编码,Unicode和UTF-8之间的关系

ascii编码,Unicode和UTF-8之间的关系1,ascii编码,这是一种单字节编码,8位,一个char的长度。最多可以存放255中不同的字符。对于早期的计算机系统来说,对于应付英文字符和一些符...

Python对中文字符的处理(utf-8/ gbk/ unicode)

现在在做分词的时候会处理大量有关中文字符的处理,经常输出乱码,老大让我暂时不考虑字符编码,但是为了看着爽不得不研究一下。 分词系统:NLPIR 因为不同的编译环境默认的汉字编码可能不一样,我的...

关于Python脚本开头两行的:#!/usr/bin/python和# -*- coding: utf-8 -*-的作用 – 指定

#!/usr/bin/python 是用来说明脚本语言是python的 是要用/usr/bin下面的程序(工具)python,这个解释器,来解释python脚本,来运行python脚本的。   ...

Python读取Unicode编码格式的文件(转换为UTF-8)

我不说话,只写代码 import re def filter_null(c):     if not re.match('[\\x00]', c):         return True    ...

如何理解python3的unicode,以及全角半角转换

关于unicode最易懂的解释(没有之一),建议耐心看完: 学点编码知识又不会死:Unicode的流言终结者和编码大揭秘 http://www.freebuf.com/articles/other...
  • zinnc
  • zinnc
  • 2017年03月30日 21:56
  • 1516

Python编码UNICODE GBK UTF-8字符集转换的正确姿势

规范 脚本文件编码 由于需要经常性使用到中文字符,因此Python脚本新建后,请在头部添加代码: # coding: utf-8或者为pycharm设置代码模版,这样每次新建Python文件时会自动...
  • asmcvc
  • asmcvc
  • 2017年02月20日 18:36
  • 5428

python读写文件,和设置文件的字符编码比如utf-8

一. python打开文件代码如下: f = open("d:\test.txt", "w") 说明: 第一个参数是文件名称,包括路径; 第二个参数是打开的模式mode ‘r’:只读(缺省。如果文件...
  • willhuo
  • willhuo
  • 2015年10月23日 10:40
  • 17781

Python乱码,编码,repr,encode,decode探究

#encoding:utf-8 #用命令行执行 import json s = '百度' print s # 输出环境为gbk,编码为utf-8,输出乱码 print s.decode('...
  • wxy__
  • wxy__
  • 2015年03月29日 01:23
  • 1064
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:Python 编码问题 utf-8 和 unicode
举报原因:
原因补充:

(最多只允许输入30个字)