有一个简单的方法来获得utf8编码字符串的子字符串，子字符串的repr的长度小于py中的N

Question

例如我有一个字符串，我希望找到一个简单的方法来获取一个子字符串，其编码在utf-8中，并且子字符串的repr的长度是＆lt; = N，当然我可以尝试N / 3个子串并增加N / 3 + 1，N / 3 + 2，...，但是如果有一个简单的方法呢？

word = u"this is a ship, and some other words".encode("utf-8")
#some way got a substring
substring = func(word, N)
#assert len(repr(substring)) <= N

谢谢！

Answer 1

可能的方法：

1. 取整个字符串的repr的前N-1个字节。
2. 检查最后3个字节，看看是否破坏了转义序列并在必要时删除了字节
3. 附加引用，请注意它可能是'或"。
4. 将回复评估为utf-8。
5. 检查最后几个字节，看看是否在Unicode代码点中间断开了字符串，并在必要时删除了字节。您可以通过检查位模式来区分前导字节和连续字节。