在之前，我们已经介绍过了 str、unicode，同样都是字符串，但是类型不一样。就 str 而言，不同变量，类型同样是 str，可能编码 也不一样，有些是 utf8，有些可能是 gbk。
一个中文字，如果是 utf8 编码，那么它的字节长度是 3，如果是 gbk 的编码，它的长度是 2。那么，我们怎么才能判断一段文字中，有多少个中文字呢？这其实也不复杂，只要先将其转为 unicode，然后 len(text) 这样，就能获取了。
英文计算的则是单词，不能用直接用 len，大抵是len(text.split(' '))。如果一段文字中，既有中文，也有英文，要如何计算最终的字数呢？ (中文一字计为 1，英文一词计为 1)
除了中文之外，还有日文、韩文，都不像英文词与词之间会有空格。中日韩文的问题，一般也简写为 CJK。上面的问题，也可以翻译为: 混有 CJK 字符的，如何统计字数？
至于答案，说简单也简单，说难也难。
首先，我们将需要计数的文本，转为 unicode 编码，在 unicode 编码表中，CJK 字符是堆在一块的，所以，可以比较容易找到它们。
然后，我们使用 正则表达式 去匹配 (潜在的)CJK 文字 或 英语单词，计算总的匹配数，那么就获得最终的字数了(虽然还不够 100% 精准)。
参考代码如下:
len(re.findall(u'[\u1100-\ufde8]|[a-z0-9\-_/]+', content, flags=re.I))
如上，以 『中英文字数』的统计，为一个引子。我们总是能见到 编码 这个词，至于编码具体是什么？虽然普通情况下是指 utf8、gb2312、gbk、unicode 之类的，但这个词语实际被使用时，指向蛮广泛的。
基于数据结构的，有 JSON、XML 这类的编码，还有 Python 中可以使用 pickle，尽可能保留原始 Python 内的数据对象结构。这些编码都代表了数据的格式。
如果要进行加密、解密的，可以尝试使用 AES 或者 DES 的算法，这些编码，本质上就是算法。
还有为了让文本有尽可能安全 (这个安全并非 security，而是偏向 safely，可以理解为高兼容性) 地流通，有 base64 这种编码，它的兼容性很高，不会出现乱码。
而 utf8、gbk、gb2312 则是代表了背后的字符集，本质上是 (人类)文字 的呈现。而 unicode 则是更广泛意义上的字符集的合集，除了英文、中文 之外，还有其它语言的字符。
以 unicode 为例，unicode(text, 'utf8') 或者 unicode(text, 'gb2312') 此类将原有编码格式的转为 Python 内的 unicode 格式，而一个 unicode 字符串，可以 text.encode('utf8') 或者 text.encode('gb2312') 此类重新转为指定的编码格式。
这一来一回的过程，也就是 decode (解码)、encode (压码) 的过程。
简而言之，编码是一种格式，至于为什么使用某种格式，都是当下场景决定的。
甚至于，你自己可以创建出某种编码，它不过是数据流通时的一种规则而已。