枚举 utf-8 字符串的最简单方法答案

【问题标题】：Easiest way to enumerate utf-8 string枚举 utf-8 字符串的最简单方法
【发布时间】：2012-03-27 04:28:40
【问题描述】：

我阅读了很多链接和建议，毕竟当我需要在 Python 中操作不是 ASCII 字符的字符串时，我更加困惑。

我在 Ubuntu 上使用 Python 2.7：

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

for i, j in enumerate('Сон'): print '%d: %s' % (i+1, j)

输出：

1: Ð
2: ¡
3: Ð
4: ¾
5: Ð
6: ½

我获得 3 个 UTF-8 编码字符而不是 6 个字节字符的最简单方法是什么？

【问题讨论】：

此链接是否回答了您的问题 - stackoverflow.com/questions/8873517/…
或者如果它是一个变量而不是文字，utf8_string.decode('utf-8')。

标签： python utf-8

【解决方案1】：

简单的答案：don't。

>>> len(u'Сон')
3

【讨论】：

我之前浏览过 - 早解码，后编码。没听懂，希望 Python 3 能早点到来
@theta 嗯？ Python 3.0 于 2008 年 12 月发布。
你最喜欢的 Python 包是否支持它，或者你的系统将它设置为默认解释器：D

【解决方案2】：

如果您希望输出 utf-8 字符，您还需要确保 Python 知道要使用哪种编码

$ export PYTHONIOENCODING=ascii
$ python
Python 2.7.1+ (r271:86832, Apr 11 2011, 18:05:24) 
[GCC 4.5.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> sys.stdout.encoding
'ascii'
>>> for i, j in enumerate(u'Сон'): print '%d: %s' % (i+1, j)
... 
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\u0421' in position 3: ordinal not in range(128)

$ export PYTHONIOENCODING=utf-8
$ python
Python 2.7.1+ (r271:86832, Apr 11 2011, 18:05:24) 
[GCC 4.5.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import sys
>>> sys.stdout.encoding
'utf-8'
>>> for i, j in enumerate(u'Сон'): print '%d: %s' % (i+1, j)
... 
1: С
2: о
3: н
>>>

【讨论】：

谢谢，上面提到的问题是我的编辑。它的输出窗格可能是 ascii，但如果您熟悉 SciTE，我将其设置为 output.code.page=65001

【解决方案3】：

# -*- coding: utf-8 -*-
for i, j in enumerate(u'Сон'):
    print '%d: %s' % (i+1, j)

关于 Python 中的源代码编码：http://www.python.org/dev/peps/pep-0263/

字符串前的'u'前缀表示将使用unicode字符串。

【讨论】：

【解决方案4】：

在它前面添加一个'u'来指定它是unicode：

for i, j in enumerate(u'Сон'): print '%d: %s' % (i+1, j)

输出

1: С
2: о
3: н

【讨论】：

@theta，sys.stdout.encoding 说什么？
我已经尝试过了，现在因为我得到了两个相似的答案并检查了更多 - 问题出在我的编辑器 - SciTE 和它的输出窗格。在终端中，您的建议工作正常，在 SciTE（我工作得最多）中，我得到 UnicodeDecodeError。将进一步调查