Question

我有一个包含utf-8编码文本的字符串。我需要删除最后一个utf-8字符。

到目前为止我做了

msg = msg[:-1]

但这只删除了最后一个字节。只要最后一个字符是ASCII码，它就可以工作。当最后一个字符是多字节字符时，它不再起作用。

Answer 1

最简单的方法是将UTF-8字节解码为Unicode文本：

without_last = msg.decode('utf8')[:-1]

您可以随时重新编码。

另一种方法是搜索UTF-8 start byte; UTF-8字节序列始终以一个字节开头，其中最高有效位设置为0，或者两个最高有效位设置为1，而连续字节始终以10开头：< / p>

# find starting byte of last codepoint
pos = len(msg) - 1
while pos > -1 and ord(msg[pos]) & 0xC0 == 0x80:
    # character at pos is a continuation byte (bit 7 set, bit 6 not)
    pos -= 1
msg = msg[:pos]

如何删除python字符串的最后一个utf8字符

1 个答案: