本文实例讲述了Python计算字符宽度的方法。分享给大家供大家参考，具体如下：
最近在用python写一个CLI小程序，其中涉及到计算字符宽度，目标是以友好的方式将一个长字符串截取为等宽的片段。
对于unicode字符，python的len函数可以准确的计算其中所包含的字符个数，但是个数并不代表宽度，如：
|
1
2
|
>>>len(u'你好a')3 |
因此无法简单的使用这种方式来计算宽度。
GBK decode
首先我想到GBK编码，00–7F范围内的字符是一字节编码，其余是双字节编码，正好与字符的宽度大体一致，于是有了这样的投机取巧的办法（假设取8个宽度）：
|
1
2
3
4
5
6
7
8
|
>>> a = u'hello你好'>>> b=a.encode('gbk')>>> try:... print b[:8].decode('gbk')... except:... print b[:7].decode('gbk')...hello你 |
如代码所示，首先将unicode的字符串进行GBK编码，然后截取8个字节的宽度后尝试用GBK解码，若解码失败，则少截取一个宽度，截取7个字节后使用GBK解码。
虽然初步解决了问题，但是这样做的硬伤很明显。首先代码不优雅，以试错的方式运行；其次GBK所能表示的字符有限，对于大量GBK编码以外的字符无法支持。
East_Asian_Width
徘徊很久之后，偶然发现 Unicode Character Database 标准中有East_Asian_Width 属性，并有以下可能值：
|
1
2
3
4
5
6
7
|
# East_Asian_Width (ea)ea ; A ; Ambiguous 不确定ea ; F ; Fullwidth 全宽ea ; H ; Halfwidth 半宽ea ; N ; Neutral 中性ea ; Na ; Narrow 窄ea ; W ; Wide 宽 |
其中除A不确定外，F/H/N/Na/W都能很明确的知道宽度，如果保守起见，将A视为宽度为2的话，则很容易给出单个字符的宽度：
|
1
2
3
4
5
6
7
8
9
10
|
>>> import unicodedata>>> def chr_width(c):... if (unicodedata.east_asian_width(c) in ('F','W','A')):... return 2... else:... return 1>>> chr_width(u'你')2>>> chr_width(u'a')1 |
到现在似乎已经可以满足要求了，但是实际使用中发现属性为A的字符真不少见，最典型的就是中文的双引号：
|
1
2
|
>>> chr_width(u'”')2 |
在大多数等宽字体中，中文双引号都是只占一位宽的，如果一行里有多个中文双引号，则累加的误判宽度将会使截取效果大打折扣，无疑这也不是最好的办法。
urwid的解决方案
urwid 是一个成熟的python终端UI库，它在curses的基础之上包装了类似HTML的控件用以显示文本内容，如果有这方面的开发需求，非常推荐此库，比直接使用curses库方便很多，非常棒的是它对unicode的文本宽度截取非常准确，让我大为惊讶，于是翻开它的源码一探究竟，文本宽度计算方面其核心代码如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
widths = [ (126, 1), (159, 0), (687, 1), (710, 0), (711, 1), (727, 0), (733, 1), (879, 0), (1154, 1), (1161, 0), (4347, 1), (4447, 2), (7467, 1), (7521, 0), (8369, 1), (8426, 0), (9000, 1), (9002, 2), (11021, 1), (12350, 2), (12351, 1), (12438, 2), (12442, 0), (19893, 2), (19967, 1), (55203, 2), (63743, 1), (64106, 2), (65039, 1), (65059, 0), (65131, 2), (65279, 1), (65376, 2), (65500, 1), (65510, 2), (120831, 1), (262141, 2), (1114109, 1),]def get_width( o ): """Return the screen column width for unicode ordinal o.""" global widths if o == 0xe or o == 0xf: return 0 for num, wid in widths: if o <= num: return wid return 1 |
如代码所示，首先根据unicode的官方EastAsianWidth 文档整理出字符宽度的范围表，然后使用unicode代码查表。使用之前的例子测试：
|
1
2
3
4
5
6
|
>>> get_width(ord(u'a'))1>>> get_width(ord(u'你'))2>>> get_width(ord(u'”'))1 |
完全准确，而且在实际应用中的表现也比较好，是一个理想的解决方案，更多技巧请查阅urwid的old_str_util.py 源码。
希望本文所述对大家Python程序设计有所帮助。
