Question

当打印具有固定长度的格式化字符串（例如%20s）时，宽度不同于UTF-8字符串与普通字符串：

>>> str1="Adam Matan"
>>> str2="אדם מתן"
>>> print "X %20s X" % str1
X           Adam Matan X
>>> print "X %20s X" % str2
X        אדם מתן X

注意区别：

X           Adam Matan X
X        אדם מתן X

有什么想法吗？

Answer 1

您需要通过将u放在字符串前面来指定第二个字符串是Unicode：

>>> str1="Adam Matan"
>>> str2=u"אדם מתן"
>>> print "X %20s X" % str1
X           Adam Matan X
>>> print "X %20s X" % str2
X              אדם מתן X

这样做可以让Python知道它正在计算Unicode字符，而不仅仅是字节。

Answer 2

在Python 2中，未加前缀的字符串文字属于str类型，它是字节字符串。它存储任意字节，而不是字符。 UTF-8使用多个字节对某些字符进行编码。因此，str2包含的字节数多于实际字符数，并显示字符串格式中的意外但完全有效的行为。如果您查看这些字符串的实际字节内容（使用repr而不是print），您会看到，在两个字符串中，字段实际上是20个字节（不是人物！）很长。

如前所述，解决方案是使用unicode字符串。在Python中使用字符串时，您绝对需要理解并实现unicode和字符串之间的区别。

Answer 3

尝试这种方式：

>>> str1="Adam Matan"
>>> str2=unicode("אדם מתן", "utf8")
>>> print "X %20s X" % str2
X              אדם מתן X
>>> print "X %20s X" % str1
X           Adam Matan X

Python字符串格式化+ UTF-8奇怪的行为

3 个答案: