python - 获取 Unicode 字符串所需的字节数

Question

我有一个编码为 Unicode 的韩语字符串，例如u'정정'. 我怎么知道表示这个字符串需要多少字节？

我需要知道确切的字节数，因为我将字符串用于 iOS 推送通知，并且它对有效负载的大小有限制。

len('정정')不起作用，因为它返回字符数，而不是字节数。

Answer 1

您需要知道要测量字节大小的编码：

>>> 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

您真的很想查看Python Unicode HOWTO以充分了解 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（Stack Overflow 背后的人之一）的 The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses! )。

Answer 2

表示 所需的字节数unicode取决于您使用的编码。

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

如果您要重用编码结果，我建议对其进行一次编码，然后将其拉出len并稍后重用已编码的结果。

Answer 3

确保您使用的是正确的标准编码。

如果你不是，你总是可以decodedString = myString.decode('UTF-8')（用你可以从上一个链接中找到的正确编码字符串替换 UTF-8，如果不是 UTF-8）以len(decodedString)应该返回正确数字的格式获取字符串