Python returns 单个非 ascii 字符串的长度为 2

Question

我正在尝试获取字符串中所选单词的跨度。使用 İ 字符时，我注意到 Python 的以下行为：

len("İ")
Out[39]: 1

len("İ".lower())
Out[40]: 2

# when `upper()` is applied, the length stays the same
len("İ".lower().upper())
Out[41]: 2

为什么同一个字符的大小写值长度不同（我觉得很confusing/undesired）？

有谁知道是否还有其他角色会发生这种情况？谢谢！

编辑：

另一方面，例如Î 长度保持不变：

len('Î')
Out[42]: 1

len('Î'.lower())
Out[43]: 1

Answer 1

我认为问题在于该符号的小写字符在 ASCII 中未定义。

.lower() 函数可能对与字符关联的 ASCII 数字执行固定偏移，因为它适用于英文字母表。

Answer 2

那是因为小写的'İ'是'i̇'，有2个字符

>>> import unicodedata
>>> unicodedata.name('İ')
'LATIN CAPITAL LETTER I WITH DOT ABOVE'
>>> unicodedata.name('İ'.lower()[0])
'LATIN SMALL LETTER I'
>>> unicodedata.name('İ'.lower()[1])
'COMBINING DOT ABOVE'

一个字符是一个组合点，您的浏览器可能会在呈现时与最后一个引号重叠，因此您可能看不到它。但是如果你将它复制粘贴到你的 python 控制台，你应该能够看到它。

如果你尝试：

print('i̇'.upper())

你应该得到

İ

Python returns 单个非 ascii 字符串的长度为 2

Python returns length of 2 for single non-ascii character string

python

string

non-ascii-characters