测试字符串（如果是Unicode），哪种UTF标准，并获取其长度（以字节为单位）？

Question

我需要测试字符串是否为Unicode，然后是否为UTF-8。之后，获取字符串的长度（以字节为单位），包括BOM（如果使用的话）。如何在Python中完成？

同样出于教学目的，UTF-8字符串的字节列表表示是什么样的？我很好奇Python中如何表示UTF-8字符串。

后期编辑：pprint的效果很好。

Answer 1

try:
    string.decode('utf-8')
    print "string is UTF-8, length %d bytes" % len(string)
except UnicodeError:
    print "string is not UTF-8"

在Python
2中，str是字节unicode序列和字符序列。您可以str.decode将字节序列解码为unicode，并将unicode.encode字符序列编码为str。因此，例如，u"é"包含单个字符U
+ 00E9的unicode字符串也可以被写入u"\xe9"；编码为UTF-8可得到字节序列"\xc3\xa9"。

在Python 3中，这已更改；bytes是一个字节序列，str是一个字符序列。