如何用Python将UTF-8多字节Unicode字符替换为等长空格？

核心逻辑是遍历文本中的每个字符，计算其UTF-8编码的字节长度，再用对应数量的单字节空格替换多字节字符：

def replace_multibyte_chars(text):
    result = []
    for char in text:
        byte_length = len(char.encode('utf-8'))
        if byte_length > 1:
            result.append(' ' * byte_length)
        else:
            result.append(char)
    return ''.join(result)

# 测试使用
raw_text = """Print
* Share


NUMBER: 0958

POLICY

1. CRITERIA FOR INITIAL APPROVAL



    Aetna considers gemcitabine (Gemzar)
"""

fixed_text = replace_multibyte_chars(raw_text)
# 输出处理后的文本或写入文件
print(fixed_text)

说明 #

• 遍历每个字符时，通过char.encode('utf-8')获取字符的UTF-8字节序列，len()得到字节数。
• 单字节字符（如普通空格、字母、数字）直接保留；多字节字符（如示例中的非断行空格U+00A0，UTF-8占2字节）替换为对应数量的普通空格，保证总字节长度不变，消除标注偏移。

内容的提问来源于stack exchange，提问作者Arthur Lee