在Python字符串中查找UTF-8字符的索引

Question

我正在尝试查找外语UTF-8编码字符串中某个字符的索引（或索引）（例如字符：ش）。

我尝试了unicode.find('ش')，word.find(u'ش')，word.find(u'\\uش')以及正则表达式：re.compile(u'\\uش)无济于事。有趣的是，在调试模式的Visual Studio（我的IDE使用IronPython）中，word.find(u'\\uش')在变量监视窗口中返回正确的索引，但它不在实际代码中（返回index=-1）。

我正在使用以下命令从文件中读取字符串：

file= codecs.open(file,'r','utf-8')

有什么我想念的吗？还是有另一种方法来解决这个问题吗？

Answer 1

使用codecs读取文件后，它不再是UTF-8，而是内部Unicode字符串表示形式。这应该与程序中的Unicode文字完全兼容。

>>> line=u'abcش'
>>> line.find(u'ش')
3

编辑：我之前的测试可能会产生误导，因为这两个字符串都是通过IDE输入的。这是一个更好的例子：

>>> f = codecs.open(r'c:\temp\temp.txt', 'r', 'utf-8-sig')
>>> line = f.readline()
>>> print line
This is a test.ش

>>> line.find(u'\u0634')
15