Question

我正在打印格式化的表格。但是有时这些用户生成的字符占用多个字符宽度，并且弄乱了格式，如下面的屏幕截图所示...

“标题”列的宽度格式为68个字节。但是这些“特殊字符”占用的宽度超过1个字符，但仅计为1个字符。这会将列推到边界之外。

print('{0:16s}{3:<18s}{1:68s}{2:>8n}'.format((
    ' ' + streamer['user_name'][:12] + '..') if len(streamer['user_name']) > 12 else ' ' + streamer['user_name'],
    (streamer['title'].strip()[:62] + '..') if len(streamer['title']) > 62 else streamer['title'].strip(),
    streamer['viewer_count'],
    (gamesDic[streamer['game_id']][:15] + '..') if len(gamesDic[streamer['game_id']]) > 15 else gamesDic[streamer['game_id']]))

关于如何处理这些特殊字符的任何建议？

编辑：我将有问题的字符串打印到文件中。

（）ＬＬＩＶＥ SUBS GET SNAPCHAT

edit2

为什么这些字符不能在字符边界上对齐？

edit3：

今天，前两个字符产生了奇怪的输出。但是在下面的每种情况下，列都是对齐的。

第一个孤立的字符...

title[0]

孤立的第二个字符... title[1]

第一个和第二个字符在一起。.title[0] + title[1]

Answer 1

我已经基于@snakecharmerb的comment编写了自定义字符串格式化程序，但仍然存在“半字符宽度”问题：

import unicodedata

def fstring(string, max_length, align='l'):
    string = str(string)
    extra_length = 0
    for char in string:
        if unicodedata.east_asian_width(char) == 'F':
            extra_length += 1

    diff = max_length - len(string) - extra_length
    if diff > 0:
        return string + diff * ' ' if align == 'l' else diff * ' ' + string
    elif diff < 0:
        return string[:max_length-3] + '.. '

    return string

data = [{'user_name': 'shroud', 'game_id': 'Apex Legends', 'title': 'pathfinder twitch prime loot YAYA @shroud on socials for update', 'viewer_count': 66200},
        {'user_name': 'Amouranth', 'game_id': 'ASMR', 'title': '  ( ) ✨ ＬＩＶＥ  SUBS GET SNAPCHAT', 'viewer_count': 2261}]

for d in data:
    name = fstring(d['user_name'], 20)
    game_id = fstring(d['game_id'], 15)
    title = fstring(d['title'], 62)
    count = fstring(d['viewer_count'], 10, align='r')
    print('{}{}{}{}'.format(name, game_id, title, count))

它产生输出：

（由于格式会丢失，因此无法将其发布为文本）

Answer 2

我对这个问题发表了评论：

“ ＬＩＶＥ”中的字符是Fullwidth个字符。一种骇人听闻的方式处理它们可能是用 unicodedata.east_asian_width(char)（全角返回“ F” 字符）并替换为的最终字符 unicodedata.name(char)（或仅将其视为长度2）

此“答案”实质上是另一条评论，但对于评论字段而言太长了。

按照Alderven的answer的实现，此hack几乎适用于OP，但是示例字符串呈现为额外的一半字符宽度（请注意，示例字符串不包含任何东亚半角字符。）

使用以下测试语句，我无法重现此确切的行为，其中s是问题的示例字符串，更改了删除的字符：

print((s + (68 - (len(s) + sum(1 for x in s if ud.east_asian_width(x) in ('F', 'N', 'W')))) * 'x')+ '\n'+ ('x' * 68))

在Debian上的Gnome终端中的Python 3.6解释器中，使用默认的等宽常规字体，删除全角字符会导致示例字符串的显示时间明显长于三个字符。等效的字符串“ x”。

删除全角和宽（东亚宽度“ W”）字符会产生一个字符串，该字符串看起来具有与等价的“ x”相同的长度。

在OpenSuse上的Python 3.7 KDE Konsole终端中，使用Ubuntu Monospace常规字体，无论我将全角，宽或中性（“ N”）字符组合在一起，都无法生成呈现相同长度的字符串删除。

我确实注意到，在单独使用Konsole进行渲染时，火花字符（✨）似乎占据了额外的一半宽度，但是在测试整个字符串时看不到任何一半的宽度差异。

我怀疑问题在于Python无法控制的低级渲染，因为Unicode standard上的注释说明：

注意：East_Asian_Width属性不适用于现代人终端仿真器，没有根据具体情况进行适当调整基础。此类终端仿真器需要一种方法来解决在这种环境下，必须使用半角/全角二分法，但是East_Asian_Width属性没有提供现成的适用于所有情况的解决方案。 Unicode的曲目越来越多标准早已超越了东亚传统人物的界限编码和终端仿真通常需要自定义为支持极端情况和印刷行为的变化时间。

如何处理这些奇怪的特殊字符，弄乱了我的打印格式？

2 个答案: