我需要修剪一个多字节字符串,以便剩余的字符仍然可以在原始编码中读取(没有尾随的字节标记)。
示例-以下字符串长度为105个字符。然而,它是194字节长。当将这个字符串导入到一个字符限制为150的红移数据库列中时,我得到一个溢出错误。
>>str="Негосударственное образовательное учреждение высшего профессионального образования Институт Уник-70264832"
>>> len(str)
105
>>> len(bytes(str, 'utf-8'))
194
如何安全地减少整个多字节字符的字符串,使我最终得到150个字节以下的最长的完整字符串?
我知道以下方法适用于Python2,但我需要一个适用于Python3的解决方案。
def slice_multibyte(string, length):
#Loop while string is still longer than required length
while len(str(string.decode('utf-8'))) > length:
#Trim off one full utf-8 character (may be multibyte)
string = string.decode("utf-8")[:len(string.decode("utf-8"))-1].encode("utf-8")
return string
发布于 2018-07-27 07:29:44
在进一步思考这个问题之后,我想出了这个解决方案:
def trim_multibyte(string, length):
while len(bytes(string, 'utf-8')) > length:
string=string[:-1]
return string
我的方法是,只要字符串的字节版本的长度超过指定的限制,就将字符串的末尾去掉一个字符。
https://stackoverflow.com/questions/51547780
复制相似问题