Python处理中英文混合字符串, 每20个字符换一行, 应该如何计算呢?

[spark]

本来用到 textwrap.wrap(text, width=20) 这个方法, 纯中文和纯英文的都没问题, 但是中英混合字符串就不行.
原因就是中英文字符的lenth计算不一样, 求解.

[ljbha007]

text = text.decode('utf-8')
将字符串转为unicode字符串 这样计数就如你的预期了

[spark]

这种方法不行哦, 中文算成一个字符了...

默认编码: utf-8
Python版本: 2.7.4

>>> msg = "中文123"
>>> msg = msg.decode('utf-8')
>>> len(msg)
5

[swulling]

@spark 用gbk编码：msg.decode('utf-8').encode('gbk')

因为在gbk里，中文是2个字符

[spark]

@swulling 还是不行，继续报错.
https://gist.github.com/yandongxu/5472452#file-gistfile1-py

[swulling]

@spark 你这个例子和2楼不一样，msg一个是unicode，一个是utf8

当然会报错

[swulling]

@spark 只有在你理解给字符串前面加u""代表了什么，你再去加。。

[spark]

@swulling 我是在尝试不加u""之前报错, 才加上去的, 两种方法都报错... - -|||

[Js]

简单的按字节算肯定会出现一个字一半在上一行， 一半在下一行的bug

按字算才是对的， 出现上下行宽度不一样归根到底是字体宽度问题

还是自己根据文字的unicode范围定制一个字长表(比如英文1, 中文2)写个textwrap吧

[swulling]

@spark 你这样直接写死20字节，会把汉子拆成两半的。。

[spark]

@swulling 我把msg中多余的空格手动删掉了, 然后就好用了... 我猜可能是我复制到了看不到的换行符, 在中文部分加入隐藏的换行或者\n, gbk理解不了.

那么, 新的问题又来了, 我如果想在msg中加入换行应该怎么做呢? 我在中文部分加入\n或\r会报错, 在英文部分加入又只会显示空格.

<script src="https://gist.github.com/yandongxu/5472551.js"></script>

[ljbha007]

@spark
你到底是想要20个字符换行
还是英文字符 * 1 + 中文字符 * 2 = 20的时候换行？

如果是后一种情况 肯定会出现 汉字被分成两段的情况出现 结果就是那个字变成两个乱码

[Yiner]

变成unicode 然后判断是不是中文 中文算两个 英文算一个

[lululau]

楼主是想每N个单位换一行（一个汉字算两个单位）？那么你这个需求是不合逻辑的，因为一个汉字可能就被分到两行去了

[for4]

http://gist.github.com/anonymous/5473754
这样看下, 应该就知道要怎么做了吧?

[Zuckonit]

UTF-8.....

[spark]

已经解决了 感谢 回头贴代码