是否有一种简单的方法来拥有utf8编码字符串的子字符串，该子字符串的repr长度小于python中的N

Question

例如我有一个字符串，我希望找到一种简单的方法来获取以utf-8编码的子字符串，并且该子字符串的repr的长度为<= N，当然我可以尝试使用N / 3子字符串并增加N / 3 + 1，N / 3 + 2，...，但是有没有简单的方法？

word = u"this is a ship, and some other words".encode("utf-8")
#some way got a substring
substring = func(word, N)
#assert len(repr(substring)) <= N

谢谢！

Answer 1

可能的方法：

1. 取整个字符串的repr的前N-1个字节。
2. 检查最后3个字节，以查看是否中断了转义序列并在必要时削减了字节
3. 请加上引号，并记住它可能是'或" 。
4. 评估代表回到utf-8。
5. 检查最后几个字节，看看是否在Unicode代码点的中间中断了字符串，并在必要时切出了字节。 您可以通过检查位模式来区分前导字节和连续字节。