UTF-8 문자열 바이트 기준으로 자르기.

어쩌다 해야 할 일이 있는데 기억력이 좋지 못해서 ...

 1. UTF-8

• 0xxxxxxx - ASCII와 동일
• 11(0-1)xxxxx 10xxxxxx (10xxxxxx) - 2, 3 바이트 문자의 경우 첫 번째 바이트는 110 또는 1110으로 시작
• 4 바이트 표현도 존재하지만 자르는데 의미는 없으므로 생략.

2. 예제.

 

  

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import re   def cut_utf8_by_byte(text, length):     """     """       if len(text) >= length:         if re.match('[\xE0-\xFF]', text[length]) is not None:             length -= 1         elif re.match('[\x80-\xFF]', text[length]) is not None:             while True:                 length -= 1                 if re.match('[\xDF-\xFF]', text[length]) is not None:                     break     return text[:length] Colored by Color Scripter

cs

3. 결과.

  

.