Python utf-8，如何对齐输出

Question

我有一个数组，里面包含了日文字符和“普通”的字符。请问我该如何让它们的输出对齐呢？

#!/usr/bin/python
# coding=utf-8

a1=['する', 'します', 'trazan', 'した', 'しました']
a2=['dipsy', 'laa-laa', 'banarne', 'po', 'tinky winky']

for i,j in zip(a1,a2):
    print i.ljust(12),':',j

print '-'*8

for i,j in zip(a1,a2):
    print i,len(i)
    print j,len(j)

输出：

する       : dipsy
します    : laa-laa
trazan       : banarne
した       : po
しました : tinky winky
--------
する 6
dipsy 5
します 9
laa-laa 7
trazan 6
banarne 7
した 6
po 2
しました 12
tinky winky 11

谢谢，
//Fredrik

Answer 1

你需要手动构建字符串，并且还要手动计算格式长度。这个过程没有简单的方法。

下面这三个函数可以帮你完成这个任务（需要用到unicodedata库）：

shortenStringCJK：这个函数可以正确地将字符串缩短到适合某些输出的长度（不是简单地截取X个字符）。

def shortenStringCJK(string, width, placeholder='..'):
# get the length with double byte charactes
string_len_cjk = stringLenCJK(str(string))
# if double byte width is too big
if string_len_cjk > width:
    # set current length and output string
    cur_len = 0
    out_string = ''
    # loop through each character
    for char in str(string):
        # set the current length if we add the character
        cur_len += 2 if unicodedata.east_asian_width(char) in "WF" else 1
        # if the new length is smaller than the output length to shorten too add the char
        if cur_len <= (width - len(placeholder)):
            out_string += char
    # return string with new width and placeholder
    return "{}{}".format(out_string, placeholder)
else:
    return str(string)

stringLenCJK：这个函数可以获取字符串的正确长度（就像在终端上占用的空间一样）。

def stringLenCJK(string):
    # return string len including double count for double width characters
    return sum(1 + (unicodedata.east_asian_width(c) in "WF") for c in string)

formatLen：这个函数用于调整长度，以适应双字节字符的宽度。如果没有这个函数，长度会不平衡。

def formatLen(string, length):
    # returns length udpated for string with double byte characters
    # get string length normal, get string length including double byte characters
    # then subtract that from the original length
    return length - (stringLenCJK(string) - len(string))

然后要输出某个字符串时：提前定义格式字符串。

format_str = "|{{:<{len}}}|"
format_len = 26
string_len = 26

最后按如下方式输出（其中_string是要输出的字符串）。

print("Normal : {}".format(
    format_str.format(
        len=formatLen(shortenStringCJK(_string, width=string_len), format_len))
    ).format(
        shortenStringCJK(_string, width=string_len)
    )
)

Answer 2

使用Unicode对象，而不是字节字符串：

#!/usr/bin/python
# coding=utf-8

a1=[u'する', u'します', u'trazan', u'した', u'しました']
a2=[u'dipsy', u'laa-laa', u'banarne', u'po', u'tinky winky']

for i,j in zip(a1,a2):
    print i.ljust(12),':',j

print '-'*8

for i,j in zip(a1,a2):
    print i,len(i)
    print j,len(j)

Unicode对象直接处理字符。

Answer 3

使用 unicodedata.east_asian_width 这个函数，可以在计算字符串长度的时候，记录哪些字符是窄的，哪些是宽的。

#!/usr/bin/python
# coding=utf-8

import sys
import codecs
import unicodedata

out = codecs.getwriter('utf-8')(sys.stdout)

def width(string):
    return sum(1+(unicodedata.east_asian_width(c) in "WF")
        for c in string)

a1=[u'する', u'します', u'trazan', u'した', u'しました']
a2=[u'dipsy', u'laa-laa', u'banarne', u'po', u'tinky winky']

for i,j in zip(a1,a2):
    out.write('%s %s: %s\n' % (i, ' '*(12-width(i)), j))

输出结果：

する          : dipsy
します        : laa-laa
trazan        : banarne
した          : po
しました      : tinky winky

在某些网页浏览器的字体中看起来不太对，但在终端窗口中它们的对齐是正确的。