Python中的斯堪的納維亞字母2.7

Question

所以我在Python中使用'æ'，'ø'和'å'時會出現這個奇怪的問題。

我已經包括：＃ - - 編碼：UTF-8 - -
在每個文件的頂部，並æøå印刷精美所以不用擔心那裏。但是，如果我做len('æ')我得到2.我正在做一個程序，我循環和分析丹麥文本，所以這是一個大問題。 下面是從Python的終端一些例子來說明這個問題：

In [1]: 'a'.islower() 
Out[1]: True 

In [2]: 'æ'.islower() 
Out[2]: False 

In [3]: len('a') 
Out[3]: 1 

In [4]: len('æ') 
Out[4]: 2 

In [5]: for c in 'æ': print c in "æøå" 
True 
True 

In [6]: print "æøå are troublesome characters" 
æøå are troublesome characters 

我能找到解決islower判斷（）和isupper（的問題），不工作的「æ」，「O」和「a」通過只是在做c.islower() or c in "æøå"來檢查c是否是小寫字母，但如上所示，'æ'的兩部分都將被視爲小寫字母並被計爲雙精度。

有沒有辦法讓這些字母像其他字母一樣行事？

我在windows 10上運行python 2.7，使用canopy作爲獲取我需要的sklearn和numpy的簡單方法。

Answer 1

你已經偶然發現python 2默認的字符串是字節的問題。用你的頭文件＃ - coding：utf-8 - 你只告訴解釋器你的源代碼是utf-8，但是這樣做有對處理字符串沒有影響。

的解決問題的方法是將所有的字符串轉換爲Unicode對象轉換與解碼方法，e.g應固定

danish_text_raw = 'æ' # here you would load your text 
print(type(danish_text_raw)) # returns string 
danish_text = danish_text_raw.decode('utf-8') 
print(type(danish_text)) # returns <type 'unicode'> 

與islower判斷和len的問題即可。確保您在程序中使用的所有字符串都是unicode，而不是字節對象。否則，比較會導致奇怪的結果。例如

danish_text_raw == danish_text # this yields false 

要確保你使用Unicode字符串例如，您可以使用此功能，以確保它

def to_unicode(in_string): 
    if isinstance(in_string,str): 
    out_string = in_string.decode('utf-8') 
    elif isinstance(in_string,unicode): 
    out_string = in_string 
    else: 
    raise TypeError('not stringy') 
    return out_string