近期在進行自然語言的處理，在使用len函式和isalpha函式時發現幾個坑。現在略述一下，才疏學淺還請大牛批評指正。

len和isalpha函式對於str型別或者unicode型別的英文都有效，但是對於中文就要區別對待了！對於中文來說，在python2.7預設字元編碼型別下，一箇中文字元佔兩個（windows環境）或者三個（ubuntu系統）字元，所以此時len函式返回的是：真實字元數目*2或者3，而英文符號還是一個字元，所以len返回真實的英文數目。在unicode編碼下，一箇中文字元佔一個unicode碼，所以len返回真實字元數目，同樣英文字元也是佔一個unicode編碼，返回真實字元數目。

isalpha函式是針對python2.7預設字元編碼下的字串設計的，所不適用於unicode編碼，在unicode編碼下會出錯。具體請看下面的程式碼例子。

一.關於len的例子

上面是在ubuntu中執行的，下面是window中執行的。

二.關於isalpha的例子

三.str()，decode()，encode()的使用區別

我們知道資料型別有：string，int，float等，這些型別相互轉換使用str()

string有很多字元編碼，ascii，unicode，gbk，這些編碼間相互轉化使用decode和encode