前言：utf-8 和 unicode

UTF-8，1個漢字占3個字節，擴展B區以后的漢字占4個字節。
GBK，1個漢字占2個字節。
UTF-16，通常漢字占兩個字節。
Unicode，一個英文等于兩個字節，一個中文（含繁體）等于兩個字節，范圍是 \u4e00-\u9fa5。

UTF-8是Unicode的一個實現？

記得java虛擬機存儲代碼都是用unicode的，不涉及具體編碼格式，只有在讀入讀出邊界處會用具體編碼格式來處理。

命令行模式下

>>> u'\u597d\u73a9'
u'\u597d\u73a9'
>>> print u'\u597d\u73a9'
好玩

好玩的 unicode 是 \u597d\u73a9

IDE模式下

# -- coding: UTF-8 --
s = "好玩"
print s
print s.decode("utf-8").encode("utf-8")
print unicode(s,"utf-8")

print len(s)
print len(s.decode("utf-8").encode("utf-8"))
print len(unicode(s,"utf-8"))</pre> 
 
輸出

好玩
好玩
好玩
6
6
2
 
 
utf-8每個漢字占3個字節，所以“好玩”輸出了6 

 一個漢字表示為一個unicode，所以這兒的len表示的是有幾個unicode，所以輸出了2

“好玩”的unicode為\u597d\u73a9
us = u'\u597d\u73a9'
print us
print us.encode("utf-8")

print len(us)
print len(us.encode("utf-8"))</pre> 
 
輸出

好玩
好玩
2
6
 
 
疑惑

us = u'\u597d\u73a9' 

 print us 

 這兒會輸出漢字好玩
我不知道在IDE里面如何輸出u'\u597d\u73a9'，在命令行里面倒是可以。
輸出的時候會轉化為IDE控制臺使用的編碼格式，所以會輸出漢字？
后來找到了解決方法，利用python自帶的repr函數
us = u'\u597d\u73a9'
print repr(us)
print repr(us.encode("utf-8"))
 
 
輸出

u'\u597d\u73a9'
'\xe5\xa5\xbd\xe7\x8e\xa9'
 
 
可以看出utf-8表示漢字確實用了3個字節。
</div>