代码
比这篇新的文章:
Codee#2381
比这篇旧的文章: Codee#2379
作者: 半瓶墨水, 点击332次, 评论(0), 收藏者(0), , 打分:
所有评论，共0条：( 我也来说两句)
比这篇旧的文章: Codee#2379
Python中文编码的问题zz
语言: Python console session, 标签: 无 2009/06/23发布 8个月前更新作者: 半瓶墨水, 点击332次, 评论(0), 收藏者(0), , 打分:
Python console session语言: Python中文编码的问题zz
01 >>> print repr(u"吴".encode("gb18030"))
02 '\xce\xe2'
03 这说明你看到的是汉字或者乱码，而python看到的是一个上面这两个字节的字符串对象。
04 对于python2.5而言,字符类型就两种，str和unicode。
05 而不是100多种，上面这个是什么类型？
06 >>> type('\xce\xe2')
07 <type 'str'>
08 >>> type('\xce')
09 <type 'str'>
10 这说明啥？这个字符串显然是str不是unicode.那长度呢
11 >>> len('\xce')
12 1
13 >>> len('\xe2')
14 1
15 >>> len('\xce\xe2')
16 2
17 这是很显然的，对不对，对python而言，他并不知道你这两个字节的东西是个汉字，
18 他也不知道你这个东西是个什么编码格式的，它只知道这是两个字符长度的str。
19 同样的：
20 >>> print repr(u"吴".encode("utf8"))
21 '\xe5\x90\xb4'
22 >>> print type(u"吴".encode("utf8"))
23 <type 'str'>
24 这说明utf8编码后的这个字符串是3个字符长度的str，对不对？
25 python并不会给你100多种编码的字符每个给你一个类型，比如utf8的叫utf8str,
26 gb18030的叫gb18030str，不会，他们都是一种类型：str，所以，上面两种编码的字符，
27 对于python而言，只是'\xce\xe2'和'\xe5\x90\xb4'的区别。
28 >>> print repr(u"吴")
29 u'\u5434'
30 看到了吧，这次是这样一个字符
31 >>> print type(u"吴")
32 <type 'unicode'>
33 这说明这是个unicode类型了，并且，这个unicode类型的对象的长度是1
34 现在明白了吧，对你来讲，字符之间的差别是编码方式，对python来讲，差别是类型。
35 它只是给你提供了一些转换编码的方法，但不同的只有两种类型。
36
37 第二个问题：
38 >>> help(id)
39 Return the identity of an object. This is guaranteed to be unique among
40 simultaneously existing objects. (Hint: it's the object's memory address.)
41 人家说的很明白了，返回的是object的内存地址，同时存在的对象之间是独立的。
42 你用u"吴"的时候，和你用"吴".decode("utf8")的时候的"吴"，对于python而言，
43 理论上时独立的，因为这是两次执行过程，并没有什么相关性，完全可以理解为
44 这是两个object，只是这两个str的值一样罢了，python并不保证两个值一样的object
45 就放在同一个内存地址内。
46 当然了，对于某些类型的对象，比如小int和简单ascii str，python为了优化，
47 会使用同样的内存地址存同样的值，但这并不保证。所以尽量不要去考虑这个。
48 你大可以认为，同一个生产线出来的轮子，长的再一样，它也是两个轮子，放在不同的
49 位置，占用不同的空间。
50 所以:
51 >>> id(u"吴")
52 11577488
53 >>> id(u"吴")
54 11577776
55 >>> id("吴")
56 13245696
57 >>> id("吴")
58 13650880
59 >>> id("吴")
60 13304864
61 >>> id("吴")
62 13245696
63 至于"=="的判断，这个并不是根据"=="的统一定义来的，而是根据每个不同的类型对于
64 __eq__ 这样的method的实现来的。所以并不一定说id一样就True，或者值一样就True
65 比如str类型，python对"__eq__"的定义是内容（也就是值)相同就返回True
66 所以才会有:
67 >>> a = '吴'
68 >>> b = '吴'
69 >>> a
70 '\xce\xe2'
71 >>> b
72 '\xce\xe2'
73 >>> id(a)
74 13745216
75 >>> id(b)
76 13743232
77 >>> id(a) == id(b)
78 False
79 >>> a == b
80 True
81 而对于基类object而言，"__eq__"就很简单了，id不同就不同
82 >>> x = object()
83 >>> y = object()
84 >>> x == y
85 False
86 >>> x
87 <object object at 0x00B20468>
88 >>> y
89 <object object at 0x00B20470>
02 '\xce\xe2'
03 这说明你看到的是汉字或者乱码，而python看到的是一个上面这两个字节的字符串对象。
04 对于python2.5而言,字符类型就两种，str和unicode。
05 而不是100多种，上面这个是什么类型？
06 >>> type('\xce\xe2')
07 <type 'str'>
08 >>> type('\xce')
09 <type 'str'>
10 这说明啥？这个字符串显然是str不是unicode.那长度呢
11 >>> len('\xce')
12 1
13 >>> len('\xe2')
14 1
15 >>> len('\xce\xe2')
16 2
17 这是很显然的，对不对，对python而言，他并不知道你这两个字节的东西是个汉字，
18 他也不知道你这个东西是个什么编码格式的，它只知道这是两个字符长度的str。
19 同样的：
20 >>> print repr(u"吴".encode("utf8"))
21 '\xe5\x90\xb4'
22 >>> print type(u"吴".encode("utf8"))
23 <type 'str'>
24 这说明utf8编码后的这个字符串是3个字符长度的str，对不对？
25 python并不会给你100多种编码的字符每个给你一个类型，比如utf8的叫utf8str,
26 gb18030的叫gb18030str，不会，他们都是一种类型：str，所以，上面两种编码的字符，
27 对于python而言，只是'\xce\xe2'和'\xe5\x90\xb4'的区别。
28 >>> print repr(u"吴")
29 u'\u5434'
30 看到了吧，这次是这样一个字符
31 >>> print type(u"吴")
32 <type 'unicode'>
33 这说明这是个unicode类型了，并且，这个unicode类型的对象的长度是1
34 现在明白了吧，对你来讲，字符之间的差别是编码方式，对python来讲，差别是类型。
35 它只是给你提供了一些转换编码的方法，但不同的只有两种类型。
36
37 第二个问题：
38 >>> help(id)
39 Return the identity of an object. This is guaranteed to be unique among
40 simultaneously existing objects. (Hint: it's the object's memory address.)
41 人家说的很明白了，返回的是object的内存地址，同时存在的对象之间是独立的。
42 你用u"吴"的时候，和你用"吴".decode("utf8")的时候的"吴"，对于python而言，
43 理论上时独立的，因为这是两次执行过程，并没有什么相关性，完全可以理解为
44 这是两个object，只是这两个str的值一样罢了，python并不保证两个值一样的object
45 就放在同一个内存地址内。
46 当然了，对于某些类型的对象，比如小int和简单ascii str，python为了优化，
47 会使用同样的内存地址存同样的值，但这并不保证。所以尽量不要去考虑这个。
48 你大可以认为，同一个生产线出来的轮子，长的再一样，它也是两个轮子，放在不同的
49 位置，占用不同的空间。
50 所以:
51 >>> id(u"吴")
52 11577488
53 >>> id(u"吴")
54 11577776
55 >>> id("吴")
56 13245696
57 >>> id("吴")
58 13650880
59 >>> id("吴")
60 13304864
61 >>> id("吴")
62 13245696
63 至于"=="的判断，这个并不是根据"=="的统一定义来的，而是根据每个不同的类型对于
64 __eq__ 这样的method的实现来的。所以并不一定说id一样就True，或者值一样就True
65 比如str类型，python对"__eq__"的定义是内容（也就是值)相同就返回True
66 所以才会有:
67 >>> a = '吴'
68 >>> b = '吴'
69 >>> a
70 '\xce\xe2'
71 >>> b
72 '\xce\xe2'
73 >>> id(a)
74 13745216
75 >>> id(b)
76 13743232
77 >>> id(a) == id(b)
78 False
79 >>> a == b
80 True
81 而对于基类object而言，"__eq__"就很简单了，id不同就不同
82 >>> x = object()
83 >>> y = object()
84 >>> x == y
85 False
86 >>> x
87 <object object at 0x00B20468>
88 >>> y
89 <object object at 0x00B20470>
所有评论，共0条：( 我也来说两句)