在Python中如何处理多字节字符串

Question

PHP中有多字节字符串函数来处理多字节字符串（例如：CJK脚本）。例如，我想通过使用Python的len函数来计算多字节字符串中有多少个字符，但它返回了一个不准确的结果（即这个字符串中的字节数）。

japanese = "桜の花びらたち"
print japanese
print len(japanese)#return 21 instead of 7

有没有类似于PHP中mb_strlen的包或函数？

- hungneox

---

完整性考虑：在 Python 3 中，所有字符串都具有原生 Unicode 支持，因此这不再是一个问题。 - poke

Answer 1

使用Unicode字符串：

# Encoding: UTF-8

japanese = u"桜の花びらたち"
print japanese
print len(japanese)

注意字符串前面的 u。

要将字节串转换为Unicode，请使用 decode： "桜の花びらたち".decode('utf-8')。

- Petr Viktorin

Answer 2

尝试先将其转换为 unicode：

print len(japanese.decode("utf-8"))

得到7。您正在处理utf-8编码的字符串，该字符串实际上有21个字节。

- Has QUIT--Anony-Mousse

---

UnicodeEncodeError：'ascii'编解码器无法对位置0-6中的字符进行编码：序数不在范围内（128）:( - hungneox

为了解决错误：<br/> UnicodeEncodeError: 'ascii'编解码器无法对位置0-6中的字符进行编码：序数不在范围内（128）:(<br/>请添加以下散列行：<br/>

编码：UTF-8<br/>

- agathodaimon