Python、len与Unicode字符串切片

Question

我遇到了一个问题，需要让一个字符串适应屏幕上分配的空间。因为我使用的unicode的len()和切片操作（slices[]）实际上是针对字节的，所以我经常把unicode字符串切得太短。比如说，符号€在屏幕上只占一个位置，但在len()或切片中却占了两个位置。

我已经正确设置了编码头，并且愿意使用其他方法来处理这个问题，而不是仅仅依赖切片或len()。不过，我真的需要知道这个字符串会占用多少个空间，以及如何把它切割到可用的长度。

$cat test.py
# -*- coding: utf-8 -*-
a = "2 €uros"
b = "2 Euros"
print len(b)
print len(a)
print a[3:]
print b[3:]

$python test.py
7
9
��uros
uros

Answer 1

你那里并不是在创建Unicode字符串，而是在创建用UTF-8编码的字节字符串（这种编码是可变长度的，正如你所看到的）。你需要使用像 u"..."（或者 u'...'）这样的常量。如果这样做，你就会得到预期的结果：

% cat test.py
# -*- coding: utf-8 -*-
a = u"2 €uros"
b = u"2 Euros"
print len(b)
print len(a)
print a[3:]
print b[3:]
% python test.py 
7
7
uros
uros