问获取Unicode字符串所需的字节数

EN

你需要知道你想用什么编码来测量你的字节大小：

>>> print u'\uC815\uC815'
정정
>>> print len(u'\uC815\uC815')
2
>>> print len(u'\uC815\uC815'.encode('UTF-8'))
6
>>> print len(u'\uC815\uC815'.encode('UTF-16-LE'))
4
>>> print len(u'\uC815\uC815'.encode('UTF-16'))
6
>>> print len(u'\uC815\uC815'.encode('UTF-32-LE'))
8
>>> print len(u'\uC815\uC815'.encode('UTF-32'))
12

您真的想复习一下Python Unicode HOWTO，以便充分理解unicode对象和它的字节编码之间的区别。

另一篇优秀的文章是Joel Spolsky写的The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) ( Stack Overflow背后的人之一)。

表示unicode所需的字节数因使用的编码而异。

>>> s = u'정정'
>>> len(s)
2
>>> len(s.encode('UTF-8'))
6
>>> len(s.encode('UTF-16'))
6
>>> len(s.encode('UTF-32'))
12

如果您打算重用编码结果，我建议对其进行一次编码，然后提取其len，并在以后重用已编码的结果。

确保您使用的是正确的standard encoding。

如果不是这样，您可以始终使用decodedString = myString.decode('UTF-8') (如果不是UTF-8，则将UTF-8替换为您可以在上一个链接中找到的正确编码字符串)，以获取len(decodedString)应返回正确数字的格式的字符串