Python：引用 unicode 字符串索引的正确方法

Question

不确定这是否正是问题所在，但我试图在 unicode 字符串的第一个字母上插入一个标签，但似乎这不起作用。这可能是因为 unicode 索引的工作方式与常规字符串的不同吗？

现在我的代码是这样的：

for index, paragraph in enumerate(intro[2:-2]):
    intro[index] = bold_letters(paragraph, 1)

def bold_letters(string, index):
    return "<b>"+string[0]+"</b>"+string[index:]

我得到这样的输出：

<b>?</b>?רך האחד וישתבח הבורא בחכמתו ורצונו כל צבא השמים ארץ וימים אלה ואלונים. 

当我尝试插入 HTML 标记时，似乎 unicode 被弄乱了。我尝试弄乱插入位置，但没有任何进展。

所需输出示例（希伯来语从右到左）：

>>>first_letter_bold("הקדמה")
"הקדמ<\b>ה<b>"

顺便说一句，这是针对 Python 2 的

Answer 1

你是对的，当你处理原始字节时，索引会在每个byte上工作，即Python(2.x)中的String。

要无缝处理 Unicode 数据，您需要首先让 Python(2.x) 知道您正在处理 Unicode，然后进行字符串操作。您最终可以将其转换回原始字节以保持行为抽象化，即您获得 String 并返回 String。

理想情况下，您应该在开始时将所有数据从UTF8 原始编码转换为Unicode 对象（我假设您的源编码是Unicode UTF8，因为这是当今大多数应用程序使用的标准）代码并在代码末尾转换回原始字节，例如保存到数据库、响应客户端等。某些框架可能会为您处理这些，因此您不必担心。

def bold_letters(string, index):
    string = string.decode('utf8')
    string "<b>"+string[0]+"</b>"+string[index:]
    return string.encode('utf8')

这也适用于 ASCII，因为 UTF8 是 ASCII 的超集。通过阅读http://nedbatchelder.com/text/unipain.html

，您可以更好地了解 Unicode 的工作原理，尤其是在 Python 中

Python 3.x String 是一个 Unicode 对象，因此您无需显式执行任何操作。

Answer 2

您应该使用 Unicode 字符串。 UTF-8 中的字节字符串每个字符使用可变数量的字节。 Unicode 使用一个（至少在 Python 2 上的 BMP 中的那些......前 65536 个字符）：

#coding:utf8
s = u"הקדמה"
t = u'<b>'+s[0]+u'</b>'+s[1:]
print(t)
with open('out.htm','w',encoding='utf-8-sig') as f:
    f.write(t)

输出：

<b>ה</b>קדמה

但我的 Chrome 浏览器将out.htm 显示为：