關於python2中的string和unicode

（一）：

d = u'你好'

>>> print d
äãºã
>>> d
u'\xc4\xe3\xba\xc3'
>>> e = '你好'
>>> print e
你好》 e
'\xc4\xe3\xba\xc3'

發現了嗎，在idle中試圖輸入中文並指定為unicode失敗，編碼依舊是系統編碼（gbk），加了個字首u，成了偽unicode。

於是考慮decode獲得unicode。

ee=e.decode('gbk')

>>> ee
u'\u4f60\u597d'
>>> type(ee)
>>> print ee
你好

成功。

（二）：

print u , type(u)

中國 北京 >>> utf=u.encode('utf-8')
>>> print utf , type(utf)
中國 北京 >>> gbk=u.encode('gbk')
>>> print gbk, type(gbk)
中國 北京 >>> print len(u), len(utf), len(gbk)
5 13 9

幾點說明：

1.string object是由characters組成的sequence，而unicode object是unicode code units組成的sequence。

2.string裡的character是有多種編碼方式的，比如單位元組的ascii，雙位元組的gb2312等等，再比如utf-8。

3.直接輸入的string常量會用系統預設編碼方式來編碼，例如在gbk環境下，'你好'會編碼成'/xc4/xe3/xba/xc3'，而在utf-8環境下就成了'/xe4/xbd/xa0/xe5/xa5/xbd'。

4.len(string)返回string的位元組數，len(unicode)返回的是字元數

5.print unicode不會亂碼。print(unicode)的時候，會把unicode先轉成當前編碼，然後再輸出。

關於python2中的string和unicode

一 python view plain copy print d u 你好 print d d u xc4 xe3 xba xc3 e 你好 print e 你好 e xc4 xe3 xba xc3 發現了嗎，在idle中試圖輸入中文並指定為unicode失敗，編碼依舊是系統編碼 gbk 加了個字首...

python2中的long型別

數字型別 int和long 之所以要把int和long放在一起的原因是python3.x之後已經不區分int和long,統一用int。python2.x還是區分的。下面我以python2.7為例 i 10 type i type int i 10000000000 type i type long ...

在python2中的編碼

在python2中的編碼 author star date 2019 10 29 字元編碼 ascii 只能存英文和拉丁字元，gb2312 只能6700中文，1980年 gbk1.0 存了20000多字元，1995年 gb18030 2000年，27000中文 unicode utf 32乙個字元佔...