python len isalpha 中文小坑

近期在进行自然语言的处理，在使用len函数和isalpha函数时发现几个坑。现在略述一下，才疏学浅还请大牛批评指正。

len和isalpha函数对于str类型或者unicode类型的英文都有效，但是对于中文就要区别对待了！对于中文来说，在python2.7默认字符编码类型下，一个中文字符占两个（windows环境）或者三个（ubuntu系统）字符，所以此时len函数返回的是：真实字符数目*2或者3，而英文符号还是一个字符，所以len返回真实的英文数目。在unicode编码下，一个中文字符占一个unicode码，所以len返回真实字符数目，同样英文字符也是占一个unicode编码，返回真实字符数目。

isalpha函数是针对python2.7默认字符编码下的字符串设计的，所不适用于unicode编码，在unicode编码下会出错。具体请看下面的代码例子。

一.关于len的例子

上面是在ubuntu中运行的，下面是window中运行的。

二.关于isalpha的例子

三.str()，decode()，encode()的使用区别

我们知道数据类型有：string，int，float等，这些类型相互转换使用str()

string有很多字符编码，ascii，unicode，gbk，这些编码间相互转化使用decode和encode