Jak mogę uzyskać rozmiaru UTF-8 ciąg w bajtach z Pythonem

Question

Posiadanie UTF-8 ciąg tak:

mystring = "işğüı" 

jest to możliwe, aby uzyskać jego (w pamięci) rozmiar w bajtach z Python (2.5)?

Answer 1

Zakładając, że masz na myśli liczbę bajtów UTF-8 (a nie dodatkowe bajty, które Python wymaga do przechowywania obiektu), jest taka sama jak dla długości dowolnego innego ciągu. Literał łańcuchowy w Pythonie 2.x to ciąg kodowanych bajtów, a nie znaków Unicode.

Byte ciągi:

>>> 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:

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

Jest to dobra praktyka, aby utrzymać wszystkich ciągów znaków w Unicode, a tylko kodują podczas komunikowania się ze światem zewnętrznym. W takim przypadku możesz użyć numeru len(myunicode.encode('utf-8')), aby znaleźć rozmiar po kodowaniu.