如何从 len()、str.format() 和零宽度 space 获得合理的结果？

Question

我正在尝试将文本格式化为 table 并将结果写入文件，但我在对齐方面遇到问题，因为我的源代码有时包含 Unicode 字符 'ZERO WIDTH SPACE'或 python 中的 \u200b。考虑以下代码示例：

str_list = ("a\u200b\u200b", "b", "longest entry\u200b")
format_str = "|{string:<{width}}| output of len(): {length}\n"

max_width = 0
for item in str_list:
    if len(item) > max_width:
        max_width = len(item)

with open("tmp", mode='w', encoding="utf-8") as file:
    for item in str_list:
        file.write(format_str.format(string=item,
                                     width=max_width,
                                     length=len(item)))

上面脚本运行之后 'tmp' 的内容：

|a           | output of len(): 3
|b             | output of len(): 1
|longest entry| output of len(): 14

所以这看起来 len() 不会导致字符串的 'printed width'，并且 str.format() 不知道如何处理零宽度字符。

或者，这种行为是故意的，我需要做其他事情。

明确地说，我正在寻找一种方法来获得类似这样的结果：

|a            | output of len(): 1
|b            | output of len(): 1
|longest entry| output of len(): 13

如果可以在不破坏我的源代码的情况下进行，我更愿意。

Answer 1

wcwidth 包有一个函数 wcswidth() 其中 returns 字符单元格中字符串的宽度：

from wcwidth import wcswidth

length = len('sneaky\u200bPete')      # 11
width = wcswidth('sneaky\u200bPete')  # 10

wcswidth(s) 和 len(s) 之间的差异可以用来纠正 str.format() 引入的错误。修改上面的代码：

from wcwidth import wcswidth

str_list = ("a\u200b\u200b", "b", "longest entry\u200b")
format_str = "|{s:<{fmt_width}}| width: {width}, error: {fmt_error}\n"

max_width = max(wcswidth(s) for s in str_list)

with open("tmp", mode='w', encoding="utf-8") as file:
    for s in str_list:
        width = wcswidth(s)
        fmt_error = len(s) - width
        fmt_width = max_width + fmt_error
        file.write(format_str.format(s=s,
                                     fmt_width=fmt_width,
                                     width=width,
                                     fmt_error=fmt_error))

… 产生这个输出：

|a            | width: 1, error: 2
|b            | width: 1, error: 0
|longest entry| width: 13, error: 1

它还可以为包含双角字符的字符串生成正确的输出：

str_list = ("a\u200b\u200b", "b", "㓵", "longest entry\u200b")

|a            | width: 1, error: 2
|b            | width: 1, error: 0
|㓵           | width: 2, error: -1
|longest entry| width: 13, error: 1

如何从 len()、str.format() 和零宽度 space 获得合理的结果？

How can I get sensible results from len(), str.format() and a zero-width space?

python

unicode

formatting

python-3.x

zero-width-space