python中求汉字字符串长度以及默认编码与解码格式设置

print(len('你好啊'))

结果为 3

一般汉字在uicode编码格式中，一个汉字对应长度为1

在utf-8编码格式中，一个汉字对应长度为3

我在刚开始写的时候，在python3环境下，列表value里，用的是：len(value[i].decode('utf-8')) 

但运行结果错误，我又把utf-8去掉，还是不行，最后直接用len(value[i])，最后结果就正确了。

python2中默认的编码格式为ASCII码，python3中默认的是utf-8，所以不用转码，直接计算长度就可以

接下来说一下编码和解码格式：

必须将编码注释放在第一行或者第二行,一般来说，python文件的前两行要这样写：

#!/usr/bin/python
# -*- coding: UTF-8 -*-

其中第一行是指定python解释器，第二行是指定python文件编码方式，设置编码方式有以下可选的方法

1. 带等号的设置方法：

#!/usr/bin/python
# coding=<encoding name>

2. 最常见的，带冒号的（大多数编辑器都可以正确识别的）：

#!/usr/bin/python
# -*- coding: <encoding name> -*-

3. vim的:

#!/usr/bin/python
# vim: set fileencoding=<encoding name> :

设置头部的编码声明有以下几个作用：

1. 如果代码中有中文注释，就需要此声明
2. 比较高级的编辑器（比如我的emacs），会根据头部声明，将此作为代码文件的格式。
3. 程序会通过头部声明，解码初始化 u”人生苦短”，这样的unicode对象，（所以头部声明和代码的存储格式要一致）

设置默认解码格式

import sys   #引用sys模块进来，并不是进行sys的第一次加载  
reload(sys)  #重新加载sys  
sys.setdefaultencoding('utf8')  ##调用setdefaultencoding函数

这里特别注意的是第二行的reload(sys)，这个一定不能少，少了的话就不能正确运行。那么为什么要重新加载，而直接引用过来则不能调用该函数呢？因为setdefaultencoding函数在被系统调用后被删除了，所以通过import引用进来时其实已经没有了，所以必须reload一次sys模块，这样setdefaultencoding才会为可用，才能在代码里修改解释器当前的字符编码。

在python安装目录的Lib文件夹下，有一个叫site.py的文件，在里面可以找到main() –> setencoding()–>sys.setdefaultencoding(encoding),因为这个site.py每次启动python解释器时会自动加载，所以main函数每次都会被执行，setdefaultencoding函数一出来就已经被删除了。

关于 sys.defaultencoding，这个在解码没有明确指明解码方式的时候使用。比如我有如下代码：

#! /usr/bin/env python 
# -*- coding: utf-8 -*- 
s = '中文'  # 注意这里的 str 是 str 类型的，而不是 unicode 
s.encode('gb18030') 

这句代码将 s 重新编码为 gb18030 的格式，即进行 unicode -> str 的转换。因为 s 本身就是 str 类型的，因此 
Python 会自动的先将 s 解码为 unicode ，然后再编码成 gb18030。因为解码是python自动进行的，我们没有指明解码方式，python 就会使用 sys.defaultencoding 指明的方式来解码。很多情况下 sys.defaultencoding 是 
ANSCII，如果 s 不是这个类型就会出错。拿上面的情况来说，我的 sys.defaultencoding 是 anscii，而 s 的编码方式和文件的编码方式一致，是 utf8 的，所以出错了:

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 
0: ordinal not in range(128) 

对于这种情况，我们有两种方法来改正错误：

一是明确的指示出 s 的编码方式

#! /usr/bin/env python 
# -*- coding: utf-8 -*- 

s = '中文' 
s.decode('utf-8').encode('gb18030') 

二是更改 sys.defaultencoding 为文件的编码方式

#! /usr/bin/env python 
# -*- coding: utf-8 -*- 

import sys 
reload(sys) # Python2.5 初始化后会删除 sys.setdefaultencoding 这个方法，我们需要重新载入 
sys.setdefaultencoding('utf-8') 

str = '中文' 
str.encode('gb18030')