python中ljust填充包含中英文字符串问题

ljust是python中用于将字符串填充至指定长度的内置函数，通常用于输出中字符串的对齐。

 

但ljust在填充包含中英文字符串的时候，填充后的长度总是不对，导致输出无法真正对齐，其根本原因在于ljust中可能使用了len统计字符个数，而英文一般只占位1个字符，中文是要占位2个字符的，但len是不分中英文的，统一当成1个字符位统计。

 

>>> len('我是中文')
4
>>> len('abcd')
4
>>> str1 = '0123456789'
>>> str2 = '我是中文'
>>> len(str1)
10
>>> len(str2)
4
>>> str2.ljust(10); str1
'我是中文      '
'0123456789'

 

如上例所示，这就导致了字符串无法对齐的问题，解决的办法也随之清晰：将中文字符串计算为两个即可：

 

#为了修复ljust的一个中英文混合使用出现的bug：
#统计其中的中文个数, ljust将中英文字符通通算作一个字符，
#而每个中文字符其实相当于2个英文字数，因此相当于少算了每个中文字符1个字数
import re
def len_zh(data):
    temp = re.findall('[^a-zA-Z0-9.]+', data)
    count = 0
    for i in temp:
        count += len(i)
    return(count)
 
#调用ljust前先计算中文字符个数
zh = len_zh(str)
#动态修正填充字符数
str.ljust(20-zh)

 

此方法只是暂时解决，并不是完美的解决方案：

• 计算中文字符是通过非运算得到的，结果并不一定可以保证准确。应该采用更好的方法统计中文字符数（相关资料）
• 覆盖重写ljust函数应该更好。

查资料之后，发现len统计字符的问题可能是和python3的utf-8编码方式有关（相关链接），utf-8编码中英文都占1字符位，gbk编码中文2字符位，英文1字符位。