如何使用 Python 从 unicode 字符串中分割子字符串？答案

【问题标题】：How can I slice a substring from a unicode string with Python?如何使用 Python 从 unicode 字符串中分割子字符串？
【发布时间】：2015-08-07 01:55:08
【问题描述】：

结果我有一个 unicode 字符串：u'splunk>\xae\uf001'

我怎样才能得到子字符串'uf001'

作为python中的简单字符串？

【问题讨论】：

【解决方案1】：

字符 uf001 实际上并不存在于字符串中，因此您不能直接将它们切掉。你可以这样做

repr(s)[-6:-1]

或

'u' + hex(ord(s[-1]))[2:]

【讨论】：

【解决方案2】：

由于您想要实际的字符串（从 cmets 中看到），只需获取最后一个字符 [-1] index ，示例 -

>>> a = u'splunk>\xae\uf001'
>>> print(a)
splunk>Â®ï€
>>> a[-1]
'\uf001'
>>> print(a[-1])
ï€

如果您想要 unicode 表示 (\uf001) ，请使用 repr(a[-1]) ，示例 -

>>> repr(a[-1])
"'\\uf001'"

\uf001 是单个 unicode 字符（不是多个字符串），所以你可以像上面那样直接获取那个字符。

您看到\uf001 是因为您正在检查字符串上repr() 的结果，如果您打印它，或在其他地方使用它（如文件等），它将是正确的\uf001 字符。

【讨论】：

【解决方案3】：

u'' 它是 Unicode 字符串在 Python 源代码中的表示方式。 REPL 默认使用这种表示来显示 unicode 对象：

>>> u'splunk>\xae\uf001'
u'splunk>\xae\uf001'
>>> print(u'splunk>\xae\uf001')
splunk>®
>>> print(u'splunk>\xae\uf001'[-1])


如果您的终端未配置为显示 Unicode，或者您使用的是窄版本（例如，它可能适用于 Windows 上的 Python 2），那么结果可能会有所不同。

Unicode 字符串是 Python 中不可变的 Unicode 代码点序列。 len(u'\uf001') == 1：其中不包含uf001（5 个字符）。你可以写成u''（如果你使用非ascii字符，需要在Python 2上声明你的源文件的字符编码）：

>>> u'\uf001' == u''
True

这只是表示完全相同的 Unicode 字符（在本例中为单个代码点）的不同方式。

注意：某些用户感知的字符可能跨越几个 Unicode 代码点，例如：

>>> import unicodedata
>>> unicodedata.normalize('NFKD', u'ё')
u'\u0435\u0308'
>>> print(unicodedata.normalize('NFKD', u'ё'))
ё

【讨论】：