Oe 中字符串长度的问题
-
码农们 都知道, 一个汉字=2个字节, 所以定义长度的时候 都是 所需汉字数 × 2.
今天群里 有人问起.
因为想到 现在我们都是在 玩 utf-8 了,
于是测试了一下, 用 中文社区的 开发代码示例 'name':fields.char( u'课程名',size=20,select=True),<br />
安装完成后 输入的结果是这样的, 每行 我都输入到 不能输入保存为止
结果是这样的
[attachimg=1]
再去 数据库 查看, 结果是
[attachimg=2]
[attachimg=3]
~~~~~~~~~~~~~~~`
不太精确的 结论
用了 utf 8 以后, 老黄历就不对了
现在 一个汉字= 一个英文字符
为什么说不太精确呢,
仔细数数, 用了汉字后, 明明最长 只有 19个,
这是为嘛呢 ?
大家有兴趣就继续研究吧 -
[quote author=ccdos link=topic=14629.msg25331#msg25331 date=1384689915]
码农们 都知道, 一个汉字=2个字节, 所以定义长度的时候 都是 所需汉字数 × 2.
~~~~~~~~~~~~~~~`
不太精确的 结论
用了 utf 8 以后, 老黄历就不对了
现在 一个汉字= 一个英文字符
为什么说不太精确呢,
仔细数数, 用了汉字后, 明明最长 只有 19个,
这是为嘛呢 ?
大家有兴趣就继续研究吧
[/quote]
码农们真的都这么想? ???
一个字符在电脑中存储的长度取决于其所使用的编码。你所说的一个汉字2个字节,估计是说用GB2312或GBK编码的汉字,用utf-8编码的汉字就可能是3个字节或更长:In [1]: len(u'中'.encode('utf8')), len(u'中'.encode('gbk')) #分别用utf-8和gbk编码汉字“中”,看它们分别的长度是多少<br />Out[1]: (3, 2) #utf-8编码的“中” 3个字节, gbk编码的为码农们谁用谁知道的2字节<br />
那么对于兄弟在帖子里提到的问题,(除了精确不精确之说,精确之说只因为兄弟眼神有点不济, ),pgsql中varchar定义的长度,和兄弟使用length函数返回的长度,实际上都是unicode字符的个数,而不是字符的字节数:show client_encoding;<br /> client_encoding <br />-----------------<br /> UTF8<br />(1 row)<br /><br />V7_CRM=> select char_length('中'), bit_length('中');<br /> char_length | bit_length <br />-------------+------------<br /> 1 | 24<br />(1 row)<br /><br />
对于字串的编码的确是很容易搞混的,这也是很多弟兄面对OpenERP中经常出现的decoding, encoding错误束手无策的原因,推荐看看下面的文章:
http://blog.csdn.net/fmddlmyy/article/details/1868313
特别是这篇,
http://www.joelonsoftware.com/articles/Unicode.html