当我尝试在Python中计算翻译语言（泰米尔语）的字符串时，它没有给我正确的计数，为什么？

Question

我尝试使用长度函数计算名称“KUMAR”的字符串，输出为 5，这是正确的。

但是当我尝试用不同的语言（泰米尔语）计算相同的名字时，我期望的输出是 3，因为 “குமார்”是泰米尔语中的三个字母单词，但输出为 6。

Answer 1

len()

函数计算 Unicode 代码点（表示 Unicode 标准中的字符的唯一数字）。我的猜测是，泰米尔语中的每个字符（字素）都由两个 Unicode 代码点组成，这就是

len()

的意义。

您可以使用

regex

（不是

re

）模块来获取正确的计数。

pip install regex

在此示例中：

import regex

def count_graphemes(text):
    return len(regex.findall(r'\X', text))


english_name = 'KUMAR'
tamil_name = 'குமார்'


print(f"Length of {english_name}: {count_graphemes(english_name)}")
print(f"Length of {tamil_name}: {count_graphemes(tamil_name)}")

输出为：

Length of KUMAR : 5
Length of குமார் : 3