[英]How to print non-ascii characters as \uXXXX
# what I currently have
print('你好')
# 你好
# this is what I want
print('你好')
# \uXXXX \uXXXX
我该怎么做呢? 我想将字符串中的所有非ASCII字符打印为Unicode转义文字
您可以使用ascii()
函数将字符串转换为带有非ASCII,非可打印字符的调试表示形式,这些字符会转换为转义序列:
作为
repr()
,返回一个包含对象可打印表示形式的字符串,但是使用\\x
,\\u\u003c/code>或
\\U
转义来对repr()
返回的字符串中的非ASCII字符进行转义。
对于U + 0100-U + FFFF范围内的Unicode代码点,使用
\\uhhhh
转义; 对于Latin-1范围(U + 007F-U + 00FF),请\\xhh
转义\\xhh
。 请注意,输出符合重新创建字符串的有效Python语法,因此包含引号:
>>> print('你好')
你好
>>> print(ascii('你好'))
'\u4f60\u597d'
>>> print(ascii('ASCII is not changed, Latin-1 (åéîøü) is, as are all higher codepoints, such as 你好'))
'ASCII is not changed, Latin-1 (\xe5\xe9\xee\xf8\xfc) is, as are all higher codepoints, such as \u4f60\u597d'
如果必须对所有内容都具有
\\uhhhh
,则必须进行自己的转换:
import re
def escape_unicode(t, _p=re.compile(r'[\u0080-\U0010ffff]')):
def escape(match):
char = ord(match.group())
return '\\u{:04x}'.format(char) if char < 0x10000 else '\\U{:08x}'.format(char)
return _p.sub(escape, t)
上述功能并不像加引号
ascii()
函数的作用:
>>> print(escape_unicode('你好'))
\u4f60\u597d
>>> print(escape_unicode('ASCII is not changed, Latin-1 (åéîøü) is, as are all higher codepoints, such as 你好'))
ASCII is not changed, Latin-1 (\u00e5\u00e9\u00ee\u00f8\u00fc) is, as are all higher codepoints, such as \u4f60\u597d
请注意,不将\\
替换为\\\\
是不可逆的; 例如。 您不知道实际的字符串是'好'
(一个字符)还是'\\\好'
(ASCII范围内的6个字符),因为两者都会产生\好
作为输出。 Martijn的建议进行反斜杠替换,并且是可逆的。
您可以自己进行转换:
def unicodeescape(s):
return ''.join(c if ord(c) < 128 else '\\u%04x' % ord(c) for c in s)
print(unicodeescape('你好'))
(Martijn关于BMP以外字符的说明仍然适用)
如果您想对程序输出的所有内容执行此操作,并且试图记住通过转换函数传递所有内容似乎并不是您的好时机,那么您也可以尝试执行以下操作:
import codecs, sys
def unicodeescapereplace(error):
if isinstance(error, UnicodeEncodeError):
s = error.object[error.start:error.end]
repl = ''.join('\\u%04x' % ord(c) for c in s)
return (repl, error.end)
raise error
codecs.register_error('unicodeescapereplace', unicodeescapereplace)
sys.stdout = codecs.getwriter('ascii')(sys.stdout.buffer, 'unicodeescapereplace')
print('你好')
这将创建一个自定义编码错误处理程序,该处理程序通过将有问题的字符替换为Unicode转义符来处理UnicodeEncodeErrors。 您可以像'你好'.encode('ascii', 'unicodeescapereplace')
类的方式使用它,或者像上面的示例一样,将stdout替换为自动将其用于所有编码的stdout。
正常表示是使用Martijn Pieters解释的内置ascii
获得的。
如果您确实想恒定地打印\\ u转义符,可以手动进行 :
t = 'ASCII is not changed, Latin-1 (åéîøü) is, as are all higher codepoints, such as 你好'
disp = u = "'" + ''.join([c if (ord(c) < 128) else r'\u%04x' % (ord(c),) for c in t ]) + "'"
print(disp)
print(eval(disp))
给出预期:
'ASCII is not changed, Latin-1 (\u00e5\u00e9\u00ee\u00f8\u00fc) is, as are all higher codepoints, such as \u4f60\u597d'
ASCII is not changed, Latin-1 (åéîøü) is, as are all higher codepoints, such as 你好
注意:我确实知道eval是邪恶的,但是在特定的用例中,我知道内部字符串不包含'
并且用'
括起来,因此它不能仅仅是编码字符的转换-但我永远不会做在外部字符串上至少不测试t.contains("'")
...
NB2:这种方法不能正确处理其代码是大于0xFFFF字符- 如果否则它会需要另一个...
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.