带有str .__ len __（x）== 2的单个（带重音）字符

Question

据我所知，str.__len__(x)在Python 2中由于其字节表示而将重音字符计数加倍，但是在Python 3中却有一次，尽管我在python的str.__len__上找不到合适的文档.org。

Python documentation on stdtypes

Python documentation on len

但是，如果我在Google Colab上运行以下命令，则str.__len__(..)被计为2

import sys

test = u'ö'

print(type(test), len(test), sys.version)

str.__len__在哪里记录？

Answer 1

有两种方法来表示Unicode中的符号“ö”。一个是带有DIAERESIS的U + 00F6拉丁文小写字母O。另一个是U + 006F拉丁文小写字母O，然后是U + 0308组合直径。如果将源文件限制为ASCII，则这些文件可以分别表示为"\u00f6"和"o\u0308"。

在第一种情况下，我的长度为1。在第二种情况下，我的长度为2（使用Python 3.7.2测试）。我怀疑您的代码正在使用第二种表示形式。

这与documentation for the string type匹配，后者指出“字符串是Unicode代码点的不可变序列”（强调我的意思）。因此，由两个代码点组成的表示形式的长度为2。

您可以使用unicodedata.normalize函数在两种形式之间进行转换。将"NFC"用于form参数将转换为组合表示形式（长度1），使用"NFD"将其分解为字母和组合字符（长度2）。