使用特殊字符时，Python返回错误的字符串长度

Question

我有一个字符串“ ́aúlt”，我想根据字符位置等获得操纵的长度。问题在于第一个数字被计数两次，或者我猜数字在位置0而数字在位置1。

Python中是否有任何可能的方式来将像“ ́”这样的字符表示为1？

我正在将UTF-8编码用于输出的实际代码和网页。

编辑：关于为什么我需要这样做的一些背景。我正在做一个项目，该项目将英语翻译成塞内卡（一种美洲原住民语言），而„
́出现了很多。某些单词的某些重写规则要求了解字母的位置（自身和周围的字母）以及其他特征，例如重音符号和其他音调标记。

Answer 1

UTF-8是一种unicode编码，它对特殊字符使用多个字节。如果您不希望编码字符串的长度，只需对其进行解码并len()在unicode对象（而不是str对象！）上使用。

这里有些例子：

>>> # creates a str literal (with utf-8 encoding, if this was
>>> # specified on the beginning of the file):
>>> len('ë́aúlt') 
9
>>> # creates a unicode literal (you should generally use this
>>> # version if you are dealing with special characters):
>>> len(u'ë́aúlt') 
6
>>> # the same str literal (written in an encoded notation):
>>> len('\xc3\xab\xcc\x81a\xc3\xbalt') 
9
>>> # you can convert any str to an unicode object by decoding() it:
>>> len('\xc3\xab\xcc\x81a\xc3\xbalt'.decode('utf-8')) 
6

当然，您也可以unicode像在对象中那样访问对象中的单个字符str（它们都继承自对象basestring，因此具有相同的方法）：

>>> test = u'ë́aúlt'
>>> print test[0]
ë

如果您开发本地化的应用程序，通常最好在unicode内部仅使用-
objects，方法是解码得到的所有输入。工作完成后，您可以再次将结果编码为’UTF-8’。如果坚持这一原则，您将永远不会看到服务器因任何内部错误而崩溃UnicodeDecodeError；）

PS：请注意，str和unicode数据类型在Python 3中已发生了显着变化。在Python
3中，只有unicode字符串和纯字节字符串不能再混合使用。这应该有助于避免unicode处理的常见陷阱…

问候克里斯托夫