在 Python 2 和 3 中获得相同的 Unicode 字符串长度？答案

【问题标题】：Getting the same Unicode string length in both Python 2 and 3?在 Python 2 和 3 中获得相同的 Unicode 字符串长度？
【发布时间】：2013-05-10 06:38:21
【问题描述】：

呃，Python 2 / 3 太令人沮丧了……想想这个例子，test.py：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import sys
if sys.version_info[0] < 3:
  text_type = unicode
  binary_type = str
  def b(x):
    return x
  def u(x):
    return unicode(x, "utf-8")
else:
  text_type = str
  binary_type = bytes
  import codecs
  def b(x):
    return codecs.latin_1_encode(x)[0]
  def u(x):
    return x

tstr = " ▲ "

sys.stderr.write(tstr)
sys.stderr.write("\n")
sys.stderr.write(str(len(tstr)))
sys.stderr.write("\n")

运行它：

$ python2.7 test.py 
 ▲ 
5
$ python3.2 test.py 
 ▲ 
3

太好了，我得到了两个不同的字符串大小。希望将字符串包装在我在网上找到的这些包装器中会有所帮助？

对于tstr = text_type(" ▲ ")：

$ python2.7 test.py 
Traceback (most recent call last):
  File "test.py", line 21, in <module>
    tstr = text_type(" ▲ ")
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 1: ordinal not in range(128)
$ python3.2 test.py 
 ▲ 
3

对于tstr = u(" ▲ ")：

$ python2.7 test.py 
Traceback (most recent call last):
  File "test.py", line 21, in <module>
    tstr = u(" ▲ ")
  File "test.py", line 11, in u
    return unicode(x)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 1: ordinal not in range(128)
$ python3.2 test.py 
 ▲ 
3

对于tstr = b(" ▲ ")：

$ python2.7 test.py 
 ▲ 
5
$ python3.2 test.py 
Traceback (most recent call last):
  File "test.py", line 21, in <module>
    tstr = b(" ▲ ")
  File "test.py", line 17, in b
    return codecs.latin_1_encode(x)[0]
UnicodeEncodeError: 'latin-1' codec can't encode character '\u25b2' in position 1: ordinal not in range(256)

对于tstr = binary_type(" ▲ ")：

$ python2.7 test.py 
 ▲ 
5
$ python3.2 test.py 
Traceback (most recent call last):
  File "test.py", line 21, in <module>
    tstr = binary_type(" ▲ ")
TypeError: string argument without an encoding

嗯，这当然让事情变得容易。

那么，如何在 Python 2.7 和 3.2 中获得相同的字符串长度（在本例中为 3）？

【问题讨论】：

标签： python python-2.7 python-3.x

【解决方案1】：

好吧，原来 Python 2.7 中的 unicode() 有一个 encoding 参数，这显然有帮助：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import sys
if sys.version_info[0] < 3:
  text_type = unicode
  binary_type = str
  def b(x):
    return x
  def u(x):
    return unicode(x, "utf-8")
else:
  text_type = str
  binary_type = bytes
  import codecs
  def b(x):
    return codecs.latin_1_encode(x)[0]
  def u(x):
    return x

tstr = u(" ▲ ")

sys.stderr.write(tstr)
sys.stderr.write("\n")
sys.stderr.write(str(len(tstr)))
sys.stderr.write("\n")

运行这个，我得到了我需要的东西：

$ python2.7 test.py 
 ▲ 
3
$ python3.2 test.py 
 ▲ 
3

【讨论】：