encoding - python 2.x中商标符号的长度

Question

为什么是

>>> len('™')
>>> 3

在 python 2.x 中？

如何快速修复它以将其视为一个字符(如 Python 3.x？)

Answer 1

您的终端编码设置为 UTF8。您正在计算编码字符中的字节数:

>>> '™'
'\xe2\x84\xa2'
>>> len('™')
3

使用 unicode 计算字符数而不是字节数:

>>> u'™'
u'\u2122'
>>> len(u'™')
1

或从终端编码解码:

>>> import sys
>>> '™'.decode(sys.stdin.encoding)
u'\u2122'

在 Python 3 中，字符串是 unicode值，使用 Python 2 str类型重命名为 byte (您的输入与 Python 3 中的 b'™' 基本相同)。

您可能想阅读 Python 和 Unicode:

Python Unicode HOWTO

Pragmatic Unicode作者:内德·巴切尔德

The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)作者:乔尔·斯波尔斯基