我有一个 unicode 字符串，我需要返回前 N 个字符。我正在这样做：
result = unistring[:5]
但当然是 unicode 字符串的长度！= 字符的长度。有任何想法吗？唯一的解决方案是使用 re?
编辑：更多信息
unistring = "Μεταλλικα" #Metallica written in Greek letters
result = unistring[:1]
返回->？
我认为 unicode 字符串是两个字节（char），这就是发生这种情况的原因。如果我做：
result = unistring[:2]
我明白了
M
这是正确的，那么，我应该总是切片 *2 还是应该转换成什么？
当你说：
unistring = "Μεταλλικα" #Metallica written in Greek letters
您没有unicode 字符串。您在（大概）UTF-8 中有一个字节串。那不是一回事。Unicode 字符串是 Python 中的一种单独的数据类型。您可以通过使用正确的编码解码字节串来获得 unicode：
unistring = "Μεταλλικα".decode('utf-8')
或者通过在具有正确编码声明的源文件中使用 unicode 文字
# coding: UTF-8
unistring = u"Μεταλλικα"
unicode 字符串会做你想做的事unistring[:5]。
不幸的是，由于 Python 3.0 之前的历史原因，有两种字符串类型。字节字符串 ( str) 和 Unicode 字符串 ( unicode)。
在 Python 3.0 统一之前，有两种方法可以声明字符串文字：unistring = "Μεταλλικα"一种是字节字符串，unistring = u"Μεταλλικα"一种是 unicode 字符串。
您看到的原因是?您result = unistring[:1]的 Unicode 文本中的某些字符无法在非 Unicode 字符串中正确表示。如果您曾经使用过非常旧的电子邮件客户端并收到来自希腊等国家/地区的朋友的电子邮件，您可能已经看到过这种问题。
因此，在 Python 2.x 中，如果您需要处理 Unicode，您必须明确地进行处理。看看这篇关于在 Python 中处理 Unicode 的介绍：Unicode HOWTO
对于任何类型的“Unicode 字符串”，都没有正确的直接方法。
甚至 Python "Unicode" UTF-16 字符串也有可变长度的字符，所以你不能只用 ustring[:5] 剪切。因为某些 Unicode 代码点可能使用多个“字符”，即代理对。
因此，如果您想削减 5 个代码点（注意这些不是字符）以便分析文本，请参阅http://en.wikipedia.org/wiki/UTF-8和http://en.wikipedia.org/ wiki/UTF-16定义。所以你需要使用一些位掩码来找出边界。
此外，您仍然没有得到字符。因为例如。单词“שָלוֹם”——希伯来语中的和平“Shalom”由 4 个字符和 6 个代码点字母“shin”、元音“a”字母“lamed”、字母“vav”和元音“o”以及最后一个字母“mem”组成。
所以字符不是代码点。
大多数西方语言也是如此，其中带有变音符号的字母可以表示为两个代码点。搜索例如“unicode normalization”。
所以...如果你真的需要 5 个第一个字符，你必须使用 ICU 库之类的工具。例如，Python 的 ICU 库提供了字符边界迭代器。