python2.x 中文字符串的截取

一、问题：在python3.x中运行的脚本，包含了文件名（含中文）的截取，文件名（含中文）的计数等，应用到python2.7中，即使指定utf-8编码，也不能实现相应的功能。

二、分析：

1.python2和python3编码区别

python3 源文件以UTF-8编码，所有字符串以unicode编码。

python2 源文件默认以ASCII编码，所以在读取中文时会报错，需在开头指定UTF-8编码：

# -*- coding: utf-8 -*-

2.UTF-8编码特点：

UTF-8编码将一个unicode字符编码成1~6个字节，常用英文字母编码成1个字节，汉字一般编码成3个字节（也有编码成4~6个字节）。

三、解决方案

例：str_a = '蓝67XV黑白'，截取最后两位字符。

python3

str_b = str_a[-2:]

python2（已指定utf-8编码）

str_b = str_a.decode('utf-8')[-2:].encode('utf-8')

python3 所有字符串以unicode编码，无论中文字符、字母和数字都占相同的字节数，直接根据字符在字符串中的位置截取即可。

python2中，指定utf-8编码时（以避免中文字符识别错误），带有中文的字符串占字节数不同，一般以三位表示一个中文字符，比如 python 3中len(str_a)=7,python 2中len(str_b)=13。先对字符串解码，str_a.decode('utf-8') 表示当前编码是utf-8，将其解码为unicode（python中，unicode为编码的基本类型），len(str_a.decode('utf-8') )=7。截取完相应的字符串，再unicode编码encode成utf-8编码。