大字符串和len（）

這可能是一個新手問題，但它在這裏。我有一個大string（167572字節）與ASCII和非ASCII字符。當我在字符串上使用len()時，我得到錯誤的length。看來len()不會計數0x0A個字符。我可以得到字符串的實際長度的唯一方法是使用下面的代碼：大字符串和len（）

for x in test: 
    totalLen += 1 
for x in test: 
    if x == '\x0a': 
     totalLen += 1 
print totalLen

有什麼不對len()？還是我用它錯了？

來源

2012-11-16 Johnny Karlsson

當你說實際的長度，你怎麼得到的？我希望你沒有手數全部167572字節。 :-) –

您的代碼會計算兩次「\ x0a''個字符。 – interjay

我將字符串寫入文件並在十六進制編輯器中打開它，這就是我如何計算字符數。 –

難道你希望它包含\r\n，即ASCII 13（回車符）後跟ASCII 10（換行符），或者在字符串被寫入文本文件後查看字符串，哪些添加了這些？

由於您沒有提供很多細節，即字符串的數據來自何處，因此很難具體。

來源

2012-11-16 14:46:29 unwind

您正在編碼的字節串與unicode文本混淆。例如，在UTF-8中，最多可使用3個字節對任何給定字符進行編碼，在UTF-16中，每個字符均使用至少，每個字符使用進行編碼。

python字符串是一系列字節，要獲取unicode，您必須使用適當的編解碼器來解碼字符串。如果您的文本使用UTF-8編碼，例如，你可以用解碼：

test = test.decode('utf8')

在另一方面，寫入到文件中的數據是總是編碼，所以長度10可以的unicode字符串如果使用UTF-16編解碼器編寫，則需要佔用文件中的20個字節。

您很可能會對這些「更寬」的字符感到困惑，而不是您的\n（ASCII 10）字符被正確計數。

請請你幫個忙，並在Unicode和編碼讀了起來：

Joel on Software: The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)

的Python Unicode HOWTO。

來源

2012-11-16 14:48:38

大字符串和len（）

回答

相關問題