python - 为什么 python string cut 在请求 12 个符号时返回 11 个符号？

Question

我在 OSX 10.9 上使用 python 2.7 并想将 unicode 字符串 ( 05. Чайка.mp3 ) 剪切 12 个符号，所以我使用 mp3file[:12]将其切割 12 个符号。但结果我得到了像 05. Чайка.m 这样的字符串, 只有 11 个符号。但是len(mp3file[:12])返回 12。看起来问题出在俄语符号 й 上.

这里可能有什么问题？

这个的主要问题 - 我无法正常显示带有 {:<12}'.format(mp3file[:12]) 的字符串.

Answer 1

您有带有组合字符的 unicode 文本:

u'05. \u0427\u0430\u0438\u0306\u043a\u0430.m'

U+0306是一个 COMBINING BREVE 代码点，̆，它与前面的 и CYRILLIC SMALL LETTER I 组合在一起形成:

>>> print u'\u0438'
и
>>> print u'\u0438\u0306'
й

您可以 normalize that to the combined form , U+0439 CYRILLIC SMALL LETTER SHORT I相反:

>>> import unicodedata
>>> unicodedata.normalize('NFC', u'\u0438\u0306')
u'\u0439'

这使用了 unicodedata.normalize() function产生一个组合的范式。