python返回字符串长度_Python在使用特殊字符时返回错误的字符串长度

The problem is that the first ë́ is being counted twice, or I guess ë is in position 0 and ´ is in position 1.

是的。这就是Unicode定义代码点的方式。通常，您可以要求Python使用Unicode规范化转换字母和单独的“组合”音调符号，如U+0301组合急性重音：>>> unicodedata.normalize('NFC', u'a\u0301')

u'\xe1' # single character: á

然而，Unicode中没有一个字符表示“e带分音符和锐重音”，因为世界上没有任何语言使用过字母“ë́”。(拼音音译有“u带分音符和锐重音”，但没有“e”。)因此字体支持很差；在许多情况下，它呈现得非常糟糕，在我的网络浏览器上是一个凌乱的斑点。

要找出Unicode代码点字符串中的“可编辑点”在哪里是一项棘手的工作，这需要相当多的语言领域知识。这是“复杂文本布局”问题的一部分，该领域还包括双向文本和上下文glpyh形状和连字等问题。要进行复杂的文本布局，您需要一个库，例如Uniscribe on Windows或Pango(通常有一个Python接口)。

另一方面，如果你只想在计数时完全忽略所有的组合字符，那么你可以很容易地去掉它们：def withoutcombining(s):

return ''.join(c for c in s if unicodedata.combining(c)==0)

>>> withoutcombining(u'ë́aúlt')

'\xeba\xfalt' # ëaúlt

>>> len(_)

5