如何在Python中处理多字节字符串

Question

PHP中有多字节字符串函数来处理多字节字符串（例如：CJK脚本）。例如，我想通过在python中使用len函数计算多字节字符串中的字母数，但它返回一个不准确的结果（即此字符串中的字节数）

japanese = "桜の花びらたち"
print japanese
print len(japanese)#return 21 instead of 7

PHP中是否有像mb_strlen这样的包或函数？

Answer 1

使用Unicode strings：

# Encoding: UTF-8

japanese = u"桜の花びらたち"
print japanese
print len(japanese)

请注意字符串前面的u。

要将字节字符串转换为Unicode，请使用decode："桜の花びらたち".decode('utf-8')

Answer 2

首先尝试将其转换为unicode：

print len(japanese.decode("utf-8"))

给出7.你正在处理utf-8编码的字符串，它实际上有21个字节。