飘逸的python - 中文编码长度有趣的现象

长平狐 发布于 2013/08/21 14:22
阅读 82
收藏 0
最近在做验证用户姓名的功能时发现这样一个现象。
>>len(u'打怪者') #unicode
3
>>len(u'打怪者'.encode('gbk')) #gbk
6
>>len('打怪者') #utf-8
9
一般都知道,gbk编码每个汉字占用2个字节,utf8编码的每个汉字占用3个字节,这就是很多网站不用统一标准utf8的原因,就是gbk占用字节少。
既然len(u'打怪者')等于3,长度比gbk和utf8编码的都小,直接用unicode的不是更节省吗?
其实len出来的长度小不代表占用空间小。
在python中,string对象和unicode对象是两种不同的类型。
len(string)返回的是字节数,len(unicode)返回的是字符数。
而一个字符用一个或多个字节来表示。

原文链接:http://blog.csdn.net/handsomekang/article/details/9397025
加载中
返回顶部
顶部