Question

我对Python 3如何处理unicode多字节字符感到有些困惑。这是表情符号的一个例子：

In [1]: print('☺️')
☺️

In [2]: print(len('☺️'))
2

In [3]: print('☺️'[0])
☺

In [4]: print('☺️'[1])
️

In [5]: print(len('‍'))
4

由于我正在处理一个处理表情符号的小型业余爱好项目，这对我来说会产生一些问题，因为我更愿意将表情符号作为单个字符串处理，而不是将它们视为多字符串，因为Python 3似乎做。为什么Python 3不会将其视为单个角色，我如何以我喜欢的方式使用表情符号？

如果我的终端或REPL出现问题，我将使用带有iPython 5.1.0的macOS Sierra终端。

Answer 1

问题是你的两个字符串（＆＃39;☺️＆＃39;＆＃39;＆＃39;）每个都包含一个不可见的字符：

>>> '☺️'[0]
'☺'
>>> '☺️'[1]
'️'
>>> '☺️'[1].encode('unicode_escape')
b'\\ufe0f'                             # !!!!!!!!!!
>>> '‍'[0]
''
>>> '‍'[1]
''
>>> '‍'[2]
'\u200d'                               # !!!!!!!!!!
>>> '‍'[3]
''

字符'\ufe0f'（ U + FE0F ）是Variation Selector-16代码点

可能会改变前一个字符的外观。如果这是一个符号，dingbat或表情符号，U+FE0F强制它与单色文本变体相比呈现为彩色图像。

字符'\u200d'（ U + 200D ）是Zero Width Joiner。

Python 3中使用Unicode多字节字符的子串选择

1 个答案: