Python 字符串格式化 + UTF-8 奇怪的行为

Question

打印固定长度的格式化字符串（例如%20s）时，宽度不同于 UTF-8 字符串和普通字符串：

>>> str1="Adam Matan"
>>> str2="אדם מתן"
>>> print "X %20s X" % str1
X           Adam Matan X
>>> print "X %20s X" % str2
X        אדם מתן X

注意区别：

X           Adam Matan X
X        אדם מתן X

有什么想法吗？

Answer 1

您需要通过将u放在字符串前面来指定第二个字符串是Unicode：

>>> str1="Adam Matan"
>>> str2=u"אדם מתן"
>>> print "X %20s X" % str1
X           Adam Matan X
>>> print "X %20s X" % str2
X              אדם מתן X

这样做可以让 Python 知道它正在计算 Unicode 字符，而不仅仅是字节。

Answer 2

在 Python 2 中，无前缀字符串文字的类型为 str，这是一个 字节字符串。它存储任意字节，而不是字符。 UTF-8 对一些超过一个字节的字符进行编码。 str2 因此包含比实际字符更多的字节，并在字符串格式中显示出意外但完全有效的行为。如果您查看这些字符串的实际 byte 内容（使用 repr 而不是 print），您会看到，在两个字符串中，该字段实际上都是 20 个字节（不是字符！）长。

如前所述，解决方案是使用 unicode 字符串。在 Python 中处理字符串时，您绝对需要了解并意识到 unicode 和字节字符串之间的区别。

Answer 3

试试这个方法：

>>> str1="Adam Matan"
>>> str2=unicode("אדם מתן", "utf8")
>>> print "X %20s X" % str2
X              אדם מתן X
>>> print "X %20s X" % str1
X           Adam Matan X