Question

我发现unicode非常奇怪，在我的理解中，如果我“”+“字符串”，类型将是unicode，但为什么它们的长度不同？

print len(u''+'New York\u200b')
14
print type(u''+'New York\u200b')
<type 'unicode'>
print len(u'New York\u200b')
9
print type(u'New York\u200b')
<type 'unicode'>

我也试图摆脱\ u200b，我认为它是unicode

text = u'New York\u200b'
print text.encode('ascii', errors='ignore')
New York
text = u''+'New York\u200b'
print text.encode('ascii', errors='ignore')
New York\u200b

也得到了不同的结果，我真的很困惑！顺便说一下，我使用的是python 2.7，是时候改成3.3 ??在此先感谢!!

Answer 1

>>> (u''+'New York\u200b').encode('utf-8')
'New York\\u200b'

正如您所看到的，由于'New York\u200b' 不是一个unicode字符串，\u转义没有任何特殊含义按字面解释，即作为ASCII字符序列\ u 2 0 0 b，因此字符串的长度为{{1 }}。 14仅将字符串转换为unicode，但不会导致重新解释内容。将u''放在文字之前使python将其解释为转义，因此作为单个字符，因此字符串的长度为9。

在你的第二个例子中：

此处text = u''+'New York\u200b' print text.encode('ascii', errors='ignore') New York\u200b执行不修改字符串中的字符，它只会从.encode转换为unicode。

如果您打印两个字符串的内容

，可能会更清楚

str

或者，如果您希望看到实际的unicode表示，请尝试使用代码点9731：

>>> print(u'New York\u200b')  # note: \u200b interpreted as unicode character
New York
>>> print(b'New York\u200b'.decode('ascii'))
New York\u200b

Answer 2

'New York \ u200b'是一个长度为14的非unicode字符串。
（你把它附加到你的字符串，但它本身不是unicode。）
u'New York \ u200b'是一个长度为9的unicode字符串。

python不同长度的同一个unicode

2 个答案: