Python遍历含汉字字符串的正确方法：编码与Unicode处理

Python遍历含汉字字符串实例详解

s = "中国china"
for j in s:
  print j

首先需要确认变量 'a' 的编码格式，它可能并非你预期的 GBK 编码。

>>> a='中国'
>>> a

可以通过以下代码进行测试：如果输出结果为 6 个字符（word），说明编码为 UTF-8；若输出为 4 个字符，则说明编码为 GBK。

此外，无论是 UTF-8 还是 GBK 编码，直接遍历字符串均不可取，因为这种方式会逐个字符地提取。在虚拟机环境中，变量 a 被视为一个长度为 len(a) 的字符串对象。

接下来讨论具体的遍历策略。

Linux 系统的 Shell 默认编码通常为 UTF-8，因此一个中文字符占用三个字节。可以尝试每次读取三个字节，操作如下：

>>> a[:3]

执行后将输出单个“中”字。

Windows 命令行（command）的默认编码为 cp936（即 GBK），此时一个中文字符占用两个字节，因此需要每次读取两个字节（使用切片 a[:2]）。

另一种遍历方式是将字符串转换为 Unicode 编码。这样无论中文还是英文，每个字符都视为一个单位，从而可以使用 for i in a 的方式正常遍历。这种方法的优势在于中英文字符在 Unicode 中均占一个字符单位，而在 UTF-8 和 GBK 编码中，英文字母仅占一个字节。

s = u"中国china"
for j in s:
  print j

转换后的输出结果如下：

中
国
c
h
i
n
a

感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！