pythonの文字コードについて

質問

pythonの各文字コードにおける日本語の扱われ方について分からないことがあります。

日本語1文字の長さはユニコード文字列では1、8ビット文字列では3という説明が参考書には書いてありました。しかし、実際に実行してみると私の環境では結果が異なりました。さらに文字化けまで起きてしまいました。なぜなのでしょうか？回答お願いいたします。

windowsを使用しており、バージョンはpython2.7です。

以下、私の環境下での実行結果です。

>>> ustr=u"あいうえお"
>>> len(ustr)
10
>>> len(ustr.encode("utf-8"))
20
>>> print ustr
‚ ‚￠‚¤‚¦‚¨
>>> print ustr.encode("utf-8")
ツつツつ「ツつ、ツつヲツつィ
>>> ustr2="あいうえお"
>>> len(ustr2)
10
>>> print ustr2
あいうえお

回答No.2

kmee · ベストアンサー

「あいうえお」が「10個の文字」として解釈されいるように思います。
この「あいうえお」がどの文字コードで書かれたものか、をPythonが理解できていないのだと思います。

会話モードではなく、スクリプトにして、記述にどの文字コードを使ったか明示すれば、動作の確認ができます。

#-*- coding: shift_jis -*-
#↑スクリプトをShift_JISで記述した場合
ustr=u"あいうえお"
print len(ustr)
print len(ustr.encode("utf-8"))
# コマンドプロンプトで標準のまま使っていたら文字化けします。
# print ustr
# print ustr.encode("utf-8")
ustr2="あいうえお"
print len(ustr2)
print ustr2

回答No.1

noname#208507

見当外れだったらごめんなさい。ひょっとしたら文字化けする問題は、参考URLのページの一番最後に書いてある方法で解決しないでしょうか？

参考URL：

http://www.tntetsu-lab.cs.kanagawa-it.ac.jp/studyroom/go1

お礼

ありがとうございます。