相同unicode的python长度不同答案

【问题标题】：python different length for same unicode相同unicode的python长度不同
【发布时间】：2014-01-17 16:29:37
【问题描述】：

我发现 unicode 有点奇怪，据我了解，如果我 u"" + "string"，类型将是 unicode，但为什么它们的长度不同？

print len(u''+'New York\u200b')
14
print type(u''+'New York\u200b')
<type 'unicode'>
print len(u'New York\u200b')
9
print type(u'New York\u200b')
<type 'unicode'>

我也试过去掉\u200b，我认为是unicode

text = u'New York\u200b'
print text.encode('ascii', errors='ignore')
New York
text = u''+'New York\u200b'
print text.encode('ascii', errors='ignore')
New York\u200b

也得到了不同的结果，我真的很困惑！顺便说一句，我使用的是 python 2.7，是时候换成 3.3 了吗？提前致谢！！

【问题讨论】：

在u''+'New York\u200b' 中，'New York\u200b' 不是 unicode，因此，\u200b 被忽略。不过，这与您的第二个结果不一致。

标签： python python-2.7 python-3.x unicode

【解决方案1】：

>>> (u''+'New York\u200b').encode('utf-8')
'New York\\u200b'

如您所见，由于'New York\u200b' 不是 unicode 字符串，\u 转义没有有任何特殊含义，它按字面意思解释，即作为ASCII字符序列\u200b，因此字符串的长度为14。 u'' 仅将字符串转换为 unicode，但它不会导致重新解释内容。将 u 放在文字之前会使 python 将其解释为转义，因此作为单个字符，因此字符串的长度为 9。

在你的第二个例子中：

text = u''+'New York\u200b'
print text.encode('ascii', errors='ignore')
New York\u200b

这里的.encode不修改字符串中的字符，它只将unicode转换为str。

如果你打印两个字符串的内容可能会更清楚

>>> print(u'New York\u200b')  # note: \u200b interpreted as unicode character
New York
>>> print(b'New York\u200b'.decode('ascii'))
New York\u200b

或者，如果您希望看到实际的 unicode 表示，请尝试使用代码点 9731：

>>> print(u'New York\u2603')
New York☃
>>> print(b'New York\u2603'.decode('ascii'))
New York\u2603

【讨论】：

非常感谢！所以 u'' 只将引号中的任何内容从 str 转换为 unicode，而不是它附加到的 str，并将整个类型的类型转换为 unicode？span>
@amstree 是的。当你连接两个字符串时，python 不会 not 解释转义。在创建字符串 literals 时，only 会解释转义。连接操作对所有字符一视同仁。如果你想解释字符串的内容，你应该使用unicode-escape 编码。例如：b'\u2603'.decode('unicode-escape') 是 u'\u2603'（或 '☃'），而 b'\u2603'.decode('ascii') 是字符串 u'\\u2603'。后者是一个字符的字符串，前者是由字符\u2603组成的6个字符的字符串。

【解决方案2】：

'New York\u200b' 是长度为 14 的非 unicode 字符串。
（您将它附加到 u'' 字符串，但它本身还不是 unicode。）
u'New York\u200b' 是长度为 9 的 unicode 字符串。

【讨论】：

这是对问题的重述，而不是答案。