如何在Python中处理多字节字符串

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，我想通过在python中使用len函数来计算多字节字符串中有多少个字母，但它返回的结果不准确（即该字符串中的字节数）

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

PHP中是否有类似mb_strlen的包或函数？

Answer 1

请先将其转换为unicode：

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

给出7。您正在处理utf-8编码的字符串，它实际上有21个字节。

Answer 2

使用Unicode strings：

# 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bytestring转换为Unicode，请使用decode："桜の花びらたち".decode('utf-8')