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。