python 2.x中商标符号的长度

Question

为什么是

>>> len('™')
>>> 3

在python 2.x？

如何快速修复它被视为一个字符(如Python 3.x？)

Answer 1

您的终端编码设置为UTF8.您正在计算编码字符中的字节数:

>>> '™'
'\xe2\x84\xa2'
>>> len('™')
3

使用unicode计算字符而不是字节:

>>> u'™'
u'\u2122'
>>> len(u'™')
1

或解码来自终端的编码:

>>> import sys
>>> '™'.decode(sys.stdin.encoding)
u'\u2122'

在Python 3中,字符串是unicode值,Python 2 str类型被重命名为byte(您的输入与b'™'Python 3中的输入基本相同).

您可能想要阅读Python和Unicode:

• 在Python的Unicode指南

• Ned Batchelder的实用Unicode

• 绝对最低每个软件开发人员绝对必须知道关于Unicode和字符集(没有任何借口!)作者:Joel Spolsky