python - 如何在 Python 中获取组合 Unicode 字符串的 "visible"长度？

Question

如果我有一个包含组合字符的 Python Unicode 字符串，len 会报告一个与“已看到”的字符数不对应的值。

例如，如果我有一个组合了上划线和下划线的字符串，例如 u'A\u0332\u0305BC'，len(u'A\u0332\u0305BC')报告5；但显示的字符串只有 3 个字符长。

如何在 Python 中获取包含组合字形的 Unicode 字符串的“可见”长度(即用户看到的字符串所占据的不同位置的数量)？

Answer 1

如果您有支持匹配 grapheme 的正则表达式风格, 你可以使用 \X

Demo

虽然默认的 Python re 模块不支持 \X，但 Matthew Barnett 的 regex module做:

>>> len(regex.findall(r'\X', u'A\u0332\u0305BC'))
3

在 Python 2 上，您需要在模式中使用 u:

>>> regex.findall(u'\\X', u'A\u0332\u0305BC')
[u'A\u0332\u0305', u'B', u'C']
>>> len(regex.findall(u'\\X', u'A\u0332\u0305BC'))
3