Python处理含中文字符串截取的两种编码实现方案

花开有时

发布时间：2026-10-13| 3人浏览过

原创

本文介绍Python中针对含中文字符串的截取方法，重点解决多字节字符截断导致的乱码问题。通过分别实现UTF-8和GB18030编码下的截取逻辑，利用字节长度判断确保不分割多字节字符，提供两种具体的代码实现方案供开发者参考。

本文详细介绍Python中实现针对包含中文字符串截取功能的具体方法，旨在为读者提供实用的代码参考。

在处理包含多字节的字符串时，进行截断操作必须判断截断点是否位于多字节字符内部。若将多字节字符强行分割，会导致截断后的字符串出现乱码，因此需确保截断位置完整。

下面分别给出基于UTF-8和GB18030编码标准的实现方式，开发者可根据实际需求选择其中一种。在必要时，可先通过encode和decode方法进行编码转换后再处理。

方法1：针对UTF-8编码的实现逻辑如下：

def subString(string,length):
  if length >= len(string):
        return string
  result = ''
  i = 0
  p = 0
  while True:
        ch = ord(string[i])
        #1111110x
        if ch >= 252:
            p = p + 6
        #111110xx
        elif ch >= 248:
            p = p + 5
        #11110xxx
        elif ch >= 240:
            p = p + 4
        #1110xxxx
        elif ch >= 224:
            p = p + 3
        #110xxxxx
        elif ch >= 192:
            p = p + 2
        else:
            p = p + 1
        if p >= length:
            break;
        else:
            i = p
  return string[0:i]

方法2：针对GB18030编码的实现逻辑如下：

def cut_string_off(string,s_len):
    if len(string)==0 or s_len <=0:
        return string
    elif len(string)==1 or s_len >= len(string):
        return string
    elif s_len < len(string):
        len_num=0
        while len_num < s_len:
            tmp_c=ord(string[len_num])
            if tmp_c >0 and tmp_c <=0x7F:
                len_num+=1
                continue
            tmp_nextc=ord(string[len_num+1])
            if tmp_c >= 0x81 and tmp_c <=0xFE and tmp_nextc>=0x40 and tmp_nextc<=0xFE:
                len_num+=2
                continue
            else:
                len_num +=1;
                continue
            break
        tmp = string[0:len_num]
#    print utf2gbk(tmp)
    return tmp

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python编码操作技巧总结》、《Python字符串操作技巧汇总》、《Python数组操作技巧总结》、《Python函数使用技巧总结》、《Python入门与进阶经典教程》及《Python数据结构与算法教程》

希望本文所述对大家Python程序设计有所帮助。