我正在尝试过滤python 3字符串，以便只保留3个字节或更少字节的utf8字符（我写的是一个只需3个字节或更少的utf8_general_ci的SQL数据库）。在Python中有一种直接的方法吗？任何帮助都将非常感激。
答案 0 :(得分：0)
从BMP开始，在其外部进行过滤。
''.join(c for c in S if c < '\U00010000')
答案 1 :(得分：0)
Unicode代码点等于且小于0xffff被编码为3个或更少的字节（以上，它需要4个字节）。
这样：
''.join(c for c in my_string if ord(c) <= 0xffff)
我不确定Ignacio解决方案是否更快：我的函数更多（对于每个字符）（ord），但<只是整数比较。在另一个解决方案中，它应该进行字符串比较，这可能（但不确定）是复杂的。
我对Ignacio解决方案不喜欢的是在字符串上使用<。文档说“ lexicographic ”排序，但单词（英文）对单词有另一种含义。 Sso in python'＆lt;'在字符串上通常是一个错误，但在这种情况下不是。我认为这是Python设计中的少数错误之一（'B' < 'a'，真的吗？）。我的解决方案的意图是（IMO）更清楚。
答案 2 :(得分：0)
谢谢Giacomo Catenazzi。答案是： ''。join（如果ord（c）＆lt; = 0xffff，则为my_string中的c;
替代答案 ''。join（[_ for my_string中的_如果len（_。encode（'utf-8'））＆lt; = 3]） 运行速度是''.join的一半（如果是ord（c）＆lt; = 0xffff，那么c为my_string中的c。）