Python字符與字節(jié)

一個字符不等價于一個字節(jié)，字符是人類能夠識別的符號，而這些符號要保存到計算的存儲中就需要用計算機能夠識別的字節(jié)來表示。一個字符往往有多種表示方法，不同的表示方法會使用不同的字節(jié)數(shù)。這里所說的不同的表示方法就是指字符編碼，比如字母A-Z都可以用ASCII碼表示（占用一個字節(jié)），也可以用UNICODE表示（占兩個字節(jié)），還可以用UTF-8表示（占用一個字節(jié)）。字符編碼的作用就是將人類可識別的字符轉(zhuǎn)換為機器可識別的字節(jié)碼，以及反向過程。

UNICDOE才是真正的字符串，而用ASCII、UTF-8、GBK等字符編碼表示的是字節(jié)串。關(guān)于這點，我們可以在Python的官方文檔中經(jīng)常可以看到這樣的描述"Unicode string" , " translating a Unicode string into a sequence of bytes"

我們寫代碼是寫在文件中的，而字符是以字節(jié)形式保存在文件中的，因此當(dāng)我們在文件中定義個字符串時被當(dāng)做字節(jié)串也是可以理解的。但是，我們需要的是字符串，而不是字節(jié)串。一個優(yōu)秀的編程語言，應(yīng)該嚴(yán)格區(qū)分兩者的關(guān)系并提供巧妙的完美的支持。JAVA語言就很好，以至于了解Python和PHP之前我從來沒有考慮過這些不應(yīng)該由程序員來處理的問題。遺憾的是，很多編程語言試圖混淆“字符串”和“字節(jié)串”，他們把字節(jié)串當(dāng)做字符串來使用，PHP和Python2都屬于這種編程語言。最能說明這個問題的操作就是取一個包含中文字符的字符串的長度：

• 對字符串取長度，結(jié)果應(yīng)該是所有字符串的個數(shù)，無論中文還是英文
• 對字符串對應(yīng)的字節(jié)串取長度，就跟編碼(encode)過程使用的字符編碼有關(guān)了(比如：UTF-8編碼，一個中文字符需要用3個字節(jié)來表示；GBK編碼，一個中文字符需要2個字節(jié)來表示)

注意：Windows的cmd終端字符編碼默認(rèn)為GBK，因此在cmd輸入的中文字符需要用兩個字節(jié)表示

>>> # Python2

>>> a = 'Hello,中國' # 字節(jié)串，長度為字節(jié)個數(shù) = len('Hello,')+len('中國') = 6+2*2 = 10

>>> b = u'Hello,中國' # 字符串，長度為字符個數(shù) = len('Hello,')+len('中國') = 6+2 = 8

>>> c = unicode(a, 'gbk') # 其實b的定義方式是c定義方式的簡寫，都是將一個GBK編碼的字節(jié)串解碼（decode）為一個Uniocde字符串

>>>

>>> print(type(a), len(a))

(, 10)

>>> print(type(b), len(b))

(, 8)

>>> print(type(c), len(c))

(, 8)

>>>

Python3中對字符串的支持做了很大的改動。