如何解决QTextCursor与Python遍历组合Unicode字符的结果不一致问题

问题原因 #

你遇到的错位本质是两边对「字符」的定义不一致：

• Qt的QTextCursor.NextCharacter移动规则遵循**Unicode字形簇（Grapheme Cluster）**标准，会把「基础字符+组合变音标记」这类用户视觉上感知为单个字符的多码点组合，判定为单个移动单位，所以î会被当成一个字符处理。
• Python原生字符串的遍历默认按单个Unicode码点（Code Point）拆分，î由i（U+0069）和组合扬抑符（U+0302）两个码点组成，遍历的时候会拆成两个独立元素，因此和Qt的遍历索引错位。

解决方案 #

方案1：Python侧按字形簇遍历，对齐Qt逻辑（推荐） #

这种方案的遍历结果和用户视觉上的单个字符完全一致，符合文本处理的常规需求。
你可以自己用标准库实现字形簇拆分函数：

import unicodedata

def split_graphemes(text: str) -> list[str]:
    graphemes = []
    current_char = []
    for code_point in text:
        # 组合类为0代表是基础字符，非0是依附于前一个字符的组合标记
        if unicodedata.combining(code_point) == 0 and current_char:
            graphemes.append(''.join(current_char))
            current_char = []
        current_char.append(code_point)
    if current_char:
        graphemes.append(''.join(current_char))
    return graphemes

替换你原来的遍历逻辑即可：

# 把原来的 enumerate("Mon frère aîné") 替换为以下内容
for num, sen in enumerate(split_graphemes("Mon frère aîné")):
    tc = QtGui.QTextCursor(doc)
    can_move = tc.movePosition(tc.NextCharacter, tc.MoveAnchor, step+1)
    if can_move:
        tc.movePosition(tc.PreviousCharacter, tc.KeepAnchor, 1)
        print(tc.selectedText(), num, sen)
    step += 1

如果需要处理emoji组合、多国复杂文字等更复杂的字形簇场景，可以直接安装第三方库grapheme，调用grapheme.graphemes(你的文本)直接获取拆分结果，无需自己实现拆分逻辑。

方案2：Qt侧按码点遍历，对齐Python原生逻辑 #

如果你的业务确实需要按单个Unicode码点拆分文本，可以直接读取QTextDocument的纯文本内容，在Python侧直接按码点索引访问，不需要通过QTextCursor移动获取字符：

text = doc.toPlainText()
for num, sen in enumerate(text):
    # 直接按Python原生的码点索引取字符，和遍历结果完全一致
    print(sen, num, sen)

内容的提问来源于stack exchange，提问作者Haru