在Python 3中使用Unicode多字節字符選擇子字符串

我對Python 3如何處理unicode多字節字符有點困惑。下面是用表情符號的例子：在Python 3中使用Unicode多字節字符選擇子字符串

In [1]: print('☺️') 
☺️ 

In [2]: print(len('☺️')) 
2 

In [3]: print('☺️'[0]) 
☺ 

In [4]: print('☺️'[1]) 
️ 

In [5]: print(len('‍')) 
4

由於我工作的一個小愛好項目涉及使用表情符號，這會導致對我的某些問題，因爲我寧願對付表情符號，單個字符的字符串，而不是治療他們像Python 3似乎做的那樣是多字符字符串。爲什麼Python 3不會將它識別爲單個字符，並且我如何以我喜歡的方式去處理和使用表情符號？

如果這對我的終端或REPL來說是一個問題，我使用帶iPython 5.1.0的macOS Sierra終端。

來源

2017-01-22 Jimmy C

☺️使用UTF-16方案由* 2 *字節表示。 – Maroun

@MarounMaroun當然，但它仍然是一個單一的字符？ UTF-（8 | 16）支持多字節字符。 –

@MarounMaroun這是UTF-16中的四個字節。 –

的問題是，你的兩個字符串（ '☺️' 和 ''）包含每一個不可見字符：

>>> '☺️'[0] 
'☺' 
>>> '☺️'[1] 
'️' 
>>> '☺️'[1].encode('unicode_escape') 
b'\\ufe0f'        # !!!!!!!!!! 
>>> '‍'[0] 
'' 
>>> '‍'[1] 
'' 
>>> '‍'[2] 
'\u200d'        # !!!!!!!!!! 
>>> '‍'[3] 
''

字符'\ufe0f'（U + FE0F）是Variation Selector-16編碼點

可能會改變前面的字符的外觀。如果這是一個符號，dingbat或表情符號，U+FE0F強制它與單色文本變體相比呈現爲彩色圖像。

字符'\u200d'（U + 200D）是Zero Width Joiner。

來源

2017-01-22 15:07:42 Leon

這很有趣，所以Python 3實際上_does_從unicode的角度正確對待emojis;一個表情符號真的是一個多字符符號？好像我必須創建一個String類的子類，它將查找emoji邊緣情況......？ –

字符，特別是表情符號，可以包含任意數量的代碼點。這個組的技術術語是*字形集羣*。 [一些例子在這裏。]（http://stackoverflow.com/documentation/unicode/6485/characters-can-consist-of-multiple-code-points#t=201701222129426089213）我想有幾個關於如何如何的問題遍歷這些字形集羣。 – roeland

'正則表達式'第三方模塊具有匹配字形集羣的'\ X'。 –

在Python 3中使用Unicode多字節字符選擇子字符串

回答

相關問題