问题 如何以原始语言打印unicode字符串的元组(不是u'foo'形式)


我有一个unicode对象的元组列表:

>>> t = [('亀',), ('犬',)]

打印出来,我得到:

>>> print t
[('\xe4\xba\x80',), ('\xe7\x8a\xac',)]

我想这是这些字符串的utf-8字节码表示的列表?

但我想看到的是打印出来的,惊喜:

[('亀',), ('犬',)]

但我在将字节码恢复为人类可读的形式方面遇到了过多的麻烦。


11661
2018-03-07 04:44


起源



答案:


但我想看到的是打印出来的,惊喜:

[('亀',),('犬',)]

你想看到它打印出来的是什么?因为如果它是控制台,它完全不能保证您的控制台可以显示这些字符。这就是Python的'repr()'对象表示用于\ -escapes的安全选项的原因,您将始终能够在屏幕上看到并轻松输入。

作为先决条件,您应该使用Unicode字符串(u'')。而且,正如Matthew所提到的,如果你想能够直接在源代码中编写u'亀',你需要确保Python能够读取文件的编码。对于偶尔使用非ASCII字符,最好坚持使用转义版本u'\ u4e80',但是当你想要阅读很多东亚文本时,“#coding = utf-8”是绝对是要走的路。

print'[%s]'%','。join([','。join('(%s,)'%','。join(ti)for ti in t)])

这将打印用引号打开的字符。你真的想要:

def reprunicode(u):
    return repr(u).decode('raw_unicode_escape')

print u'[%s]' % u', '.join([u'(%s,)' % reprunicode(ti[0]) for ti in t])

这可行,但如果控制台不支持Unicode(这在Windows上特别麻烦),你会得到一个很大的旧UnicodeError。

在任何情况下,这很少很重要,因为你在这里看到的对象的repr()通常不会进入应用程序的公共用户界面;它只适用于编码器。

但是,您会很高兴知道Python 3.0的行为完全符合您的要求:

  • 没有'u'前缀的普通字符串现在是Unicode字符串
  • repr()逐字显示大多数Unicode字符
  • 更好地支持Windows控制台中的Unicode(如果您的环境不是UTF-8,您仍然可以在Unix上获得UnicodeError)

Python 3.0有点新,而且库不太受支持,但它可能更适合您的需求。


7
2018-03-07 12:49



感谢您指出'raw_unicode_escape'编码。我不知道存在! - Matthew


答案:


但我想看到的是打印出来的,惊喜:

[('亀',),('犬',)]

你想看到它打印出来的是什么?因为如果它是控制台,它完全不能保证您的控制台可以显示这些字符。这就是Python的'repr()'对象表示用于\ -escapes的安全选项的原因,您将始终能够在屏幕上看到并轻松输入。

作为先决条件,您应该使用Unicode字符串(u'')。而且,正如Matthew所提到的,如果你想能够直接在源代码中编写u'亀',你需要确保Python能够读取文件的编码。对于偶尔使用非ASCII字符,最好坚持使用转义版本u'\ u4e80',但是当你想要阅读很多东亚文本时,“#coding = utf-8”是绝对是要走的路。

print'[%s]'%','。join([','。join('(%s,)'%','。join(ti)for ti in t)])

这将打印用引号打开的字符。你真的想要:

def reprunicode(u):
    return repr(u).decode('raw_unicode_escape')

print u'[%s]' % u', '.join([u'(%s,)' % reprunicode(ti[0]) for ti in t])

这可行,但如果控制台不支持Unicode(这在Windows上特别麻烦),你会得到一个很大的旧UnicodeError。

在任何情况下,这很少很重要,因为你在这里看到的对象的repr()通常不会进入应用程序的公共用户界面;它只适用于编码器。

但是,您会很高兴知道Python 3.0的行为完全符合您的要求:

  • 没有'u'前缀的普通字符串现在是Unicode字符串
  • repr()逐字显示大多数Unicode字符
  • 更好地支持Windows控制台中的Unicode(如果您的环境不是UTF-8,您仍然可以在Unix上获得UnicodeError)

Python 3.0有点新,而且库不太受支持,但它可能更适合您的需求。


7
2018-03-07 12:49



感谢您指出'raw_unicode_escape'编码。我不知道存在! - Matthew


首先,你的帖子中存在轻微的误解。如果您定义这样的列表:

>>> t = [('亀',), ('犬',)]

......那些不是 unicode你定义的,但是 str秒。如果你想拥有 unicode 类型,你必须添加一个 u 在角色之前:

>>> t = [(u'亀',), (u'犬',)]

但是我们假设你真的想要 str不,不是 unicode秒。主要问题是, __str__ 列表(或元组)的方法实际上等于它 __repr__ method(返回一个字符串,在计算时,将创建完全相同的对象)。因为 __repr__ 方法应该是独立于编码的,字符串尽可能以最安全的方式表示,即ASCII范围之外的每个字符都表示为十六进制字符(\xe4, 例如)。

不幸的是,据我所知,没有用于打印区域设置感知的列表的库方法。您可以使用几乎通用的功能,如下所示:

def collection_str(collection):
    if isinstance(collection, list):
        brackets = '[%s]'
        single_add = ''
    elif isinstance(collection, tuple):
        brackets = '(%s)'
        single_add =','
    else:
        return str(collection)
    items = ', '.join([collection_str(x) for x in collection])
    if len(collection) == 1:
        items += single_add
    return brackets % items

>>> print collection_str(t)
[('亀',), ('犬',)]

请注意,这不适用于所有可能的集合(例如,集合和字典),但很容易扩展它来处理这些集合。


3
2018-03-07 12:45



另外,“return str(collection)”不包括'引号(或字符串中的\等转义字符);你得到[(亀,),(犬,)]。 - bobince
你是对的,谢谢。嗯......我看不到很好的方法来解决这个问题:) - DzinX


Python源代码文件严格是ASCII,因此必须使用 \u 除非您指定编码,否则转义序列。看到 PEP 0263

#!/usr/bin/python
# coding=utf-8
t = [u'亀', u'犬']
print t

将数组传递给 print,Python使用Python将对象转换为字符串 字符串转换的规则。此类转换的输出是专为 eval(),这就是你看到这些的原因 \u 序列。基于bobince的解决方案,这是一个解决问题的方法。控制台必须接受Unicode,否则会引发异常。

t = [(u'亀',), (u'犬',)]
print repr(t).decode('raw_unicode_escape')

2
2018-03-07 04:55



当我这样做时,我现在得到:[(u'\ u4e80',),(u'\ u72ac',)]这是不同的,但不是我想要的。 - Daniel H


尝试:

import codecs, sys
sys.stdout = codecs.getwriter('utf8')(sys.stdout)

0
2018-03-07 04:53



您是否有机会使用MS窗口?如果是这样,您应该标记它,因为它可能会更改适合您的答案范围。 - MarkusQ


所以这似乎做我想要的:

print '[%s]' % ', '.join([', '.join('(%s,)' % ', '.join(ti) for ti in t)])


>>> t = [('亀',), ('犬',)]
>>> print t
[('\xe4\xba\x80',), ('\xe7\x8a\xac',)]
>>> print '[%s]' % ', '.join([', '.join('(%s,)' % ', '.join(ti) for ti in t)])
[(亀,), (犬,)]

一定 有一个更好的方法来做到这一点。

(但到目前为止,其他两个答案不会导致原始字符串按需要打印出来)。


0
2018-03-07 05:12



“sys.stdout = codecs.getwriter('utf8')(sys.stdout)”示例如何失败?也许你在使用utf8以外的东西的终端上? - Andrew Dalke
我也修改了我的答案以解决输出问题。 - Matthew
实际上,我刚刚注意到了鲍比斯的回答。它可以大规模简化! - Matthew


似乎人们错过了人们想要的东西。当我从元组打印unicode时,我只想摆脱'u''[''('和引号。我们想要的是一个类似下面的函数。 在搜索网络之后,它似乎是获取原子可显示数据的最简洁方法。 如果数据不在元组或列表中,我认为这个问题不存在。

def Plain(self, U_String) :
          P_String = str(U_String)
          m=re.search("^\(\u?\'(.*)\'\,\)$", P_String)
          if (m) :  #Typical unicode
             P_String = m.group(1).decode("utf8")
          return P_String  

0
2018-04-11 21:23