丹麦的三个特殊元音&xE6ø；和å；在python列表中无法识别

我正在写一个程序，旨在帮助儿童和诵读困难者将一个单词分成音节。 软件需要计算给定单词中的所有元音

我已经做了代码，如果不包含特殊元音，它可以正确分割任何单词。 然而，如果我使用一个带有丹麦元音的单词，它就不能计算特殊元音，因此该单词不会被拆分成正确的sylables

这是我的代码：

#!/usr/bin/env python
-*- coding: utf-8 -*-

import sys

wordGiven = str(sys.argv[1])

vowelsArray = ["a", "e", "i", "o", "u", "y", "æ", "ø", "å"]

vowelsFoundInWord = 0;

counter = 0
for char in wordGiven:
    if char in vowelsArray:
        vowelsFoundInWord += 1
    counter += 1

print vowelsFoundInWord

如果我在脚本中输入单词“slået”，它将只打印1。我能做什么？ 我已经尝试在列表和循环中写入ord（“å”），但随后出现了一个错误：ord（）“需要一个字符，但找到了长度为2的字符串”

---

我应该怎么做才能使它工作？

您使用的是UTF-8编码数据，但假设所有字母都只编码到一个字节。当您迭代

wordGiven

时，您迭代的是字节，而不是字符

你的假设是错误的；ASCII字符集之外的任何内容都需要2个或更多字节以UTF-8进行编码。对于

å

，这意味着您将获得两个字节：

>>> "å"
'\xc3\xa5'

元音列表中既不显示

\xc3

也不显示

\xa5

如果您的输入也是UTF-8编码的，则需要将其解码为Unicode，使用Unicode元音，并使用其测试：

wordGiven = unicode(sys.argv[1], 'utf8')

vowelsArray = [u"a", u"e", u"i", u"o", u"u", u"y", u"æ", u"ø", u"å"]

您可能想研究字节和字符之间的差异，尤其是在编解码器、Unicode和Python方面。我建议你阅读：

• 乔尔斯波尔斯基

• 内德·巴奇尔德

---

您使用的是UTF-8编码数据，但假设所有字母仅编码为一个字节。当您迭代

wordGiven

时，您迭代的是字节，而不是字符

你的假设是错误的；ASCII字符集之外的任何内容都需要2个或更多字节以UTF-8进行编码。对于

å

，这意味着您将获得两个字节：

>>> "å"
'\xc3\xa5'

元音列表中既不显示

\xc3

也不显示

\xa5

如果您的输入也是UTF-8编码的，则需要将其解码为Unicode，使用Unicode元音，并使用其测试：

wordGiven = unicode(sys.argv[1], 'utf8')

vowelsArray = [u"a", u"e", u"i", u"o", u"u", u"y", u"æ", u"ø", u"å"]

您可能想研究字节和字符之间的差异，尤其是在编解码器、Unicode和Python方面。我建议你阅读：

• 乔尔斯波尔斯基

• 内德·巴奇尔德

---

那么在命令行上使用什么编解码器给出参数呢？换句话说，

print repr（wordGiven）

产生了什么？如果我打印repr（wordGiven），我会得到以下信息：'sl\xc3\xa5et'Right，这是一个UTF-8编码的Unicode文本

slået

，那么在命令行上使用了什么编解码器来给出参数呢？换句话说，

print repr（wordGiven）

产生了什么？如果我打印repr（wordGiven），我会得到以下信息：'sl\xc3\xa5et'Right，即Unicode文本

slået

的UTF-8编码。我可以让python脚本以单字节格式返回结果，以便PHP能够理解它吗？@Zahrec:'single byte format'？我不知道你说的是什么意思。您可以使用

unicodevalue.encode（codec）

将Unicode对象编码回字节；如果使用拉丁语1（

.encode（'latin1'））

您得到的ISO 8859-1字节可以用每个字符一个字节对所有丹麦字母进行编码。@Zahrec：这仍然需要PHP端也需要拉丁-1数据。您也可以让它处理UTF-8。我可以让python脚本以单字节格式返回结果，以便PHP能够理解吗？@Zahrec:“单字节用于”mat'？不确定您的意思。如果您使用拉丁语1（

.encode（'latin1'），则可以使用
unicodevalue.encode（codec）
）将Unicode对象编码回字节

您得到的ISO 8859-1字节可以用每个字符一个字节对所有丹麦字母进行编码。@Zahrec:这仍然需要PHP端也需要拉丁-1数据。您最好让它处理UTF-8。