提问人：tutizeri 提问时间：11/10/2023 最后编辑：tutizeri 更新时间：11/10/2023 访问量：67
带下划线的 Canot 切片/索引 unicode 字符串
Canot slice/index unicode strings with underscores
问：
我有这个Unicode字符串：
my_string = "₁ᴀa̲a̲̲"
如何对其进行索引和切片以制作其他 Unicode 字符串？
如果我运行
print([x for x in my_string])
['₁', 'ᴀ', 'a', '̲', 'a', '̲', '̲']
当我预期时
['₁'， 'ᴀ'， 'a̲'， '̲a̲̲']
这打印
my_string[3]
'̲'
当我预期时
a̲̲
我试过定义
my_string = u"₁ᴀa̲a̲̲"
但是 VSCode 会自动删除u
我需要作为缓冲区，根据他的人类可读索引来组合其他字符串。my_string
答：
3赞
mozway
11/10/2023
#1
您可以使用 \X 正则表达式和正则表达式模块：findall
import regex
out = regex.findall(r'\X', my_string)
输出：
['₁', 'ᴀ', 'a̲', 'a̲̲']
0赞
Konrad
11/10/2023
#2
在字符串注释中表达的建议是最可行的;但是，您可能还需要考虑以下字符：normalizeencoding
import unicodedata
for x in unicodedata.normalize('NFD', my_string):
print("Normalized: " + x)
print("Encoded: " + str(x.encode('ascii', errors="backslashreplace")))
print("Encoded/decoded: " + x.encode('ascii', 'ignore').decode('ascii'))
你会看到区别：
Normalized: ₁
Encoded: b'\\u2081'
Encoded/decoded:
Normalized: ᴀ
Encoded: b'\\u1d00'
Encoded/decoded:
Normalized: a
Encoded: b'a'
Encoded/decoded: a
Normalized: ̲
Encoded: b'\\u0332'
Encoded/decoded:
Normalized: a
Encoded: b'a'
Encoded/decoded: a
Normalized: ̲
Encoded: b'\\u0332'
Encoded/decoded:
Normalized: ̲
Encoded: b'\\u0332'
Encoded/decoded:
笔记
作为对评论的回应，如果希望比较更多有问题的字符串，传递可能是一个可行的解决方案。errors="backslashreplace"
评论
1赞
mozway
11/10/2023
这将丢弃组成和非 ascii 字符（如），这似乎不是想要的。ᴀ
0赞
Konrad
11/10/2023
@mozway 你说得有道理，如果 OP 希望对更挑剔的角色进行精细控制，那么可以使用这个解决方案。虽然，这需要手动映射潜在有问题的字符。
上一个：替换字符串中的反转单词，来自列表
下一个：切片和数组有什么区别？
评论
UnicodeData.normalize对字符串进行规范化？不确定这是否有帮助......my_string = unicodedata.normalize("NFKD",u"₁ᴀa̲a̲̲")a̲̲a̳print([x for x in my_string]) ['₁', 'ᴀ', 'a', '̲', 'a', '̲', '̲']