将所有Unicode字符视为单个字母

Question

我想创建一个程序来计算单词的“值”，方法是根据单词在单词中的第一个位置添加给单词的值（作为练习，我是Python的新手）。
就是 "foo"将返回5（因为“ f” = 1，“ o” = 2）， "bar"将返回6（因为“ b” = 1，“ a” = 2，“ r” = 3）。

到目前为止，这是我的代码：

# -*- coding: utf-8 -*-
 def ppn(word):
    word = list(word)
    cipher = dict()
    i = 1
    e = 0

    for letter in word:
        if letter not in cipher:
            cipher[letter] = i
            e += i
            i += 1
        else:
            e += cipher[letter]
    return ''.join(word) + ": " + str(e)


if __name__ == "__main__":
    print ppn(str(raw_input()))

它的效果很好，但是对于包含“ł”，“±”等字符的单词，它不会返回正确的值（我想这是因为它首先将这些字母转换为Unicode代码）。 有没有一种方法可以绕过它，并使口译员将所有字母视为单个字母？

Answer 1

将输入解码为unicode，然后在各处使用unicode，然后在输出时解码。

具体来说，您需要进行更改

print ppn(str(raw_input()))

至

print ppn(raw_input().decode(sys.stdin.encoding))

这将解码您的输入。 然后，您还需要更改

''.join(word) + ": " + str(e)

至

u''.join(word) + u': ' + unicode(e)

这使您的所有代码在内部都使用unicode对象。

Print可以将unicode正确编码为您的终端使用的任何编码，但是您也可以根据需要指定它。

另外，您也可以执行已完成的操作，但是可以使用python 3运行它。

有关更多信息，请阅读关于该主题的非常有用的演讲

Answer 2

用shell的编码解码：

if __name__ == "__main__":
    import sys
    print ppn((raw_input()).decode(sys.stdin.encoding))

对于Unix系统，通常使用UTF-8 。 在Windows上，情况可能有所不同。 要保存，请使用sys.stdin.encoding 。 您永远不知道脚本将在哪里运行。

或者，甚至更好。 切换至Python 3：

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

import sys

assert sys.version_info.major > 2


def ppn(word):
    word = list(word)
    cipher = dict()
    i = 1
    e = 0

    for letter in word:
        if letter not in cipher:
            cipher[letter] = i
            e += i
            i += 1
        else:
            e += cipher[letter]
    return ''.join(word) + ": " + str(e)

if __name__ == "__main__":
    print(ppn(str(input())))

在Python 3中，默认情况下，字符串是unicode。 因此，无需解码业务。

Answer 3

到目前为止，所有答案都说明了该怎么做，但并没有说明正在进行的事情，因此这里有一些提示。

在Python 2中使用raw_input() ，将返回一个字节字符串input() Python 3上的input()表现不同）。 大多数unicode字符不能表示为单个字节，原因是unicode字符比可以用字节表示的值多。

当使用utf-8或其他编码对ł或ą类的字符进行编码时，可能需要两个字节或更多个字节：

>>> 'ł'
'\xc5\x82'
>>> 'ą'
'\xc4\x85'

您的原始程序将这两个字节解释为不同的字符，从而导致错误的结果。

Python提供了一种替代字节字符串的方法：unicode字符串。 使用unicode字符串，一个字符与一个字符完全一样（字符串的内部表示是不透明的）出现，并且不会出现您遇到的问题。

因此，将字节字符串解码为unicode字符串是正确的方法。