Cómo manejar cadena multibyte en Python

Question

Hay funciones de cadena multibyte en PHP para manejar cadena multibyte (por ejemplo, secuencia de comandos CJK). Por ejemplo, yo quiero contar el número de letras de una cadena de múltiples bytes utilizando len función en Python, pero devolver un resultado incorrecto (es decir, número de bytes de esta cadena)

japanese = "桜の花びらたち" 
print japanese 
print len(japanese)#return 21 instead of 7 

¿Hay algún paquete o función como mb_strlen en PHP?

Answer 1

Uso Unicode strings:

# Encoding: UTF-8 

japanese = u"桜の花びらたち" 
print japanese 
print len(japanese) 

Nota del u delante de la cadena.

Para convertir una cadena de bytes a Unicode, utilice decode: "桜の花びらたち".decode('utf-8')

Answer 2

intente convertirlo a unicode primera:

print len(japanese.decode("utf-8")) 

da 7. Usted está trabajando en la cadena codificada en UTF-8, que de hecho tiene 21 bytes.