推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
python2 如何正确的处理 4 字节的字符，为什么一个字符变成了两个？
zeroten · ladder1984 · 2016-01-21 19:10:12 +08:00 · 2812 次点击这是一个创建于 3247 天前的主题，其中的信息可能已经有所发展或是发生改变。
x = u'\U0001f604abc'
print('length:',len(x))
for i in x:
print(i)
得到输出：
('length:', 5)
�
�
a
b
c
x 是 4 个字符，其中第一个是 4 字节字符，一个笑脸表情的 unicdoe 码，现在显然被拆分成了两个。我写的过滤函数就过滤失败了：
def filter_invalid_str(text):
return ''.join(map(lambda x: x if u'\u0000' < x < u'\uFFFF' else '_', text))
所以，明明一个字符为什么变成了两个，如何当作一个字符处理？
 |
1
Zzzzzzzzz 2016-01-21 19:19:55 +08:00
编译 python2 的时候加上--enable-unicode=ucs4
|
 |
2
Hackathon 2016-01-21 19:39:21 +08:00
|
 |
3
zeroten OP 或者，过滤掉 u'\u0000' < x < u'\uFFFF'之外的字符有什么好的实现方法？
|
|
5
Hackathon 2016-01-21 19:56:02 +08:00
|
|
6
Hackathon 2016-01-21 19:56:08 +08:00
|
Select Language