Python:引用unicode字符串索引的正确方法

Question

不确定这是否正是问题所在，但我试图在 unicode 字符串的第一个字母上插入一个标记，但似乎这不起作用。这可能是因为 unicode 索引的工作方式与常规字符串的索引不同吗？

现在我的代码是这样的:

for index, paragraph in enumerate(intro[2:-2]):
    intro[index] = bold_letters(paragraph, 1)

def bold_letters(string, index):
    return "<b>"+string[0]+"</b>"+string[index:]

我得到这样的输出:

<b>?</b>?רך האחד וישתבח הבורא בחכמתו ורצונו כל צבא השמים ארץ וימים אלה ואלונים. 

当我尝试插入 HTML 标记时，unicode 似乎被弄乱了。我尝试弄乱插入位置，但没有取得任何进展。

所需输出示例(希伯来语从右到左):

>>>first_letter_bold("הקדמה")
"הקדמ<\b>ה<b>"

顺便说一句，这是针对 Python 2 的

Answer 1

你是对的，当你处理原始字节时，索引作用于每个字节，即 Python(2. x).

要无缝处理 Unicode 数据，您需要首先让 Python(2.x) 知道您正在处理 Unicode，然后进行字符串操作。您最终可以将其转换回原始字节以保持抽象的行为，即您获得 String 并返回 String。

理想情况下，您应该将所有数据从 UTF8 原始编码转换为 Unicode 对象(我假设您的源编码是 Unicode UTF8，因为是当今大多数应用程序使用的标准)在代码的最开始，并在代码的最后转换回原始字节，例如保存到数据库、响应客户端等。某些框架可能会为您处理这些，因此您不必不必担心。

def bold_letters(string, index):
    string = string.decode('utf8')
    string "<b>"+string[0]+"</b>"+string[index:]
    return string.encode('utf8')

这也适用于 ASCII，因为 UTF8 是 ASCII 的超集。通过阅读 http://nedbatchelder.com/text/unipain.html，您可以更好地了解 Unicode 和 Python 的工作原理。

Python 3.x String 是一个 Unicode 对象，因此您无需显式执行任何操作。