[Python] 파이썬에서 문자열 처리 (파이썬 2.X)

파이썬에서 문자열은 바이트 코드와 유니코드로 나뉜다.

바이트 코드는 euc-kr, UTF–8 등과 같이 특정 인코딩이 적용된 문자열을 말한다. 파이썬에서 유니코드는 어떤 특정 인코딩에 속하지 않는 유니버셜한 어떤 것을 나타낸다. (다른 언어에서 흔히 UTF–8을 유니코드로 일컫는 것과는 다름에 유의)

• 유니코드 >>> 바이트 코드로 변환하기 위해서는 encode() 함수가 사용된다.

• 바이트 코드 >>> 유니코드로 변환하기 위해서는 decode() 함수가 사용된다.

  str = ustr.encode("UTF–8") # 유니코드에서 UTF–8 바이트 코드로 변환
  ustr = str.decode("UTF–8") # UTF–8 바이트 코드에서 유니코드로 변환
  

• type() 함수를 사용하여 어떤 문자열이 유니코드인지 바이트 코드인지 알아낼 수 있다.

  print type(str) # 바이트 코드일 경우
  -> <type 'str'>
  
  print type(ustr) # 유니코드일 경우
  -> <type 'unicode'>
  

소스 코드 상에서 대입시,

[1]

# -*- coding: utf-8 -*-

myStr = "가나다"

myStr의 타입 -> utf-8의 <type 'str'>

[2]

# -*- coding: cp949 -*-

myStr = "가나다"

myStr의 타입 -> cp949의 <type 'str'>

[3]

myStr = u"가나다"

myStr의 타입 -> <type 'unicode'>

'# -*- coding: ~' 을 붙이지 않을 경우, 시스템 로케일인 cp949의 <type 'str'>로 적용되어야 할 것 같은데, 실제 테스트 결과는 utf-8로 적용된다??

[참고] 이것은 파이썬 2.X 대에서 적용되는 내용이고, 파이썬 3.X 대에서는 방식이 약간 달라지게 되는데...

테스트 환경
- OS : Windows 7
- Python 버전 : 2.7