如何使用Python在Bytes中获取UTF-8字符串的大小

Question

拥有这样的UTF-8字符串：

mystring = "işğüı"

是否可以使用Python（2.5）以字节为单位获取其（内存中）大小？

Answer 1

假设您指的是UTF-8字节数（而不是Python存储对象所需的额外字节数），它与任何其他字符串的长度相同。 Python 2.x中的字符串文字是一串编码字节，而不是Unicode字符。

字节字符串：

>>> mystring = "işğüı"
>>> print "length of {0} is {1}".format(repr(mystring), len(mystring))
length of 'i\xc5\x9f\xc4\x9f\xc3\xbc\xc4\xb1' is 9

Unicode字符串：

>>> myunicode = u"işğüı"
>>> print "length of {0} is {1}".format(repr(myunicode), len(myunicode))
length of u'i\u015f\u011f\xfc\u0131' is 5

最好将所有字符串保存在Unicode中，并且只在与外界通信时进行编码。在这种情况下，您可以使用len(myunicode.encode('utf-8'))来查找编码后的大小。