为什么我不能在python中交换unicode字符

Question

为什么我不能在代码中交换unicode字符？

# -*- coding: utf-8 -*-

character_swap = {'ą': 'a', 'ż': 'z', 'ó': 'o'}

text = 'idzie wąż wąską dróżką'

print text

print ''.join(character_swap.get(ch, ch) for ch in text)

输出：idziewążwąskądróżką

预期的输出：idzie waz waska drozka

Answer 1

您需要先对文本进行编码，然后再对字符进行解码：

>>> print ''.join(character_swap.get(ch.encode('utf8'), ch) for ch in text.decode('utf8'))
idzie waz waska drozka

由于该python列表理解默认情况下不会对您的unicode进行编码，实际上您正在做的是：

>>> [i for i in text]
['i', 'd', 'z', 'i', 'e', ' ', 'w', '\xc4', '\x85', '\xc5', '\xbc', ' ', 'w', '\xc4', '\x85', 's', 'k', '\xc4', '\x85', ' ', 'd', 'r', '\xc3', '\xb3', '\xc5', '\xbc', 'k', '\xc4', '\x85']

对于像ą的字符，我们有：

>>> 'ą'
'\xc4\x85'

如您所见，列表理解Python将其分为2部分\\xc4和\\x85 。 因此，为了获得成功，您可以先通过utf8 encocding解码文本：

>>> [i for i in text.decode('utf8')]
[u'i', u'd', u'z', u'i', u'e', u' ', u'w', u'\u0105', u'\u017c', u' ', u'w', u'\u0105', u's', u'k', u'\u0105', u' ', u'd', u'r', u'\xf3', u'\u017c', u'k', u'\u0105']

Answer 2

您的字符串应存储为unicode字符串。

更改这两行，它应该可以工作：

character_swap = {u'ą': 'a', u'ż': 'z', u'ó': 'o'}

text = u'idzie wąż wąską dróżką'