Python 2.7 python 2.7中的斯堪的纳维亚字母（æ；ø；å；）

因此，在python中使用“æ”、“ø”和“å”时，我遇到了一个奇怪的问题

我包括：#——编码：utf-8——
在每个文件的顶部，并且æå打印得很好，因此无需担心。但是如果我做了

len（'æ'）

我得到2。我正在制作一个程序，在其中我循环分析丹麦文本，所以这是一个大问题。 下面是python终端的一些示例来说明问题：

In [1]: 'a'.islower()
Out[1]: True

In [2]: 'æ'.islower()
Out[2]: False

In [3]: len('a')
Out[3]: 1

In [4]: len('æ')
Out[4]: 2

In [5]: for c in 'æ': print c in "æøå"
True
True

In [6]: print "æøå are troublesome characters"
æøå are troublesome characters

我可以通过简单地执行

c来解决islower（）和isupper（）不适用于“æ”、“ø”和“å”的问题。islower（）或“æå”中的c

检查c是否是小写字母，但如上所示，“æ”的两个部分都将作为小写字母计算，并被加倍计算

有没有一种方法可以让这些字母像其他字母一样

---

我在windows 10上运行Python2.7，使用canopy作为获取所需sklearn和numpy的简单方法。

您偶然发现了Python2中字符串默认为字节的问题。使用标题#——编码：utf-8——您只告诉解释器您的源代码是utf-8，但这对字符串的处理没有影响

问题的解决方案是使用decode方法将所有字符串转换为unicode对象，例如

danish_text_raw = 'æ' # here you would load your text
print(type(danish_text_raw)) # returns string
danish_text = danish_text_raw.decode('utf-8') 
print(type(danish_text)) # returns <type 'unicode'>

例如，要确保使用unicode字符串，可以使用此函数来确保

def to_unicode(in_string):
  if isinstance(in_string,str):
    out_string = in_string.decode('utf-8')
  elif isinstance(in_string,unicode):
    out_string = in_string
  else:
    raise TypeError('not stringy')
  return out_string

---

谢谢，很好用。但令人讨厌的是，如果一切都是英语，那就简单多了：）

def to_unicode(in_string):
  if isinstance(in_string,str):
    out_string = in_string.decode('utf-8')
  elif isinstance(in_string,unicode):
    out_string = in_string
  else:
    raise TypeError('not stringy')
  return out_string