获取Unicode字符中字符串的“实际”长度

Question

比如给定一个字符，例如"✮" (\xe2\x9c\xae)，还可以是类似于 "Σ", "д" 或 "Λ" 的其他字符，我想找出该字符在屏幕上实际占用的长度。

例如：

len("✮")
len("\xe2\x9c\xae")

两个都返回3，但应该是1

- user3584604

---

尝试运行：len("✮".decode("utf-8")) - Grijesh Chauhan

这不会取决于所使用的字体以及周围的字符是什么吗 - 你想要做的整体是什么？ - mmmmmm

在Python 2.7.5中，len("\xe2\x9c\xae".decode('UTF-8'))可以完美运行。 - Cthulhu

这里有几种定义长度（和宽度）的方法。了解您需要此内容的目的会很有帮助：例如，您是想计算屏幕上一行可以容纳多少个字符吗？ - deltab

Answer 1

你可以尝试这样做：

unicodedata.normalize('NFC', u'✮')
len(u"✮")

UTF-8是一种unicode编码，用于处理特殊字符需要多个字节。请查看unicodedata.normalize()

- user3414693

---

甚至这也不能准确计算用户感知的字符或字形簇；一些使用变音符号的情况没有单一码点表示。我也不清楚UTF-8（具体而言）如何涉及此问题？ - user395760

这也会返回 len(unicodedata.normalize('NFC', u'✮')) = 3。 - user3584604

即使没有变音符号，某些代码点也没有映射到任何字形（考虑控制字符、单词连接器、软连字符等）。无论如何规范化都无法摆脱这些问题。（回到主题：u'✮'已经处于正常形式，因此在这里规范化是无效的；OP实际的问题在于UTF-8编码是多字节的；希望到2022年我们都使用Python 3并且len()正确计算代码点而不是字节。） - Maëlan

Answer 2

我对一个类似问题的答案：

您正在寻找当前输出上下文中的渲染宽度。对于图形用户界面，通常有一种方法可以直接查询此信息；对于文本环境，您只能猜测符合规范的渲染引擎可能会执行什么操作，并希望实际引擎与您的期望相匹配。

- Simon Richter

---

像素渲染宽度是另一个话题。我没看到有人问过这个问题。 - Thomas Weller

对于等宽文本输出，标准字形宽度是最小可寻址单位，我们关注的是该单位的倍数——这与像素宽度并没有太大区别。 - Simon Richter

这个问题与渲染无关。 - undefined

“当在屏幕上打印”与渲染有什么不相关的地方？ - undefined