如何以原始语言打印unicode字符串的元组（不是u'foo'形式）

Question

我有一个unicode对象元组列表：

>>> 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',)]

但是我在将字节码重新变成人类可读的形式方面遇到了过多的麻烦。

Answer 1

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，它根本不能保证您的控制台可以显示这些字符。 这就是为什么Python的'repr（）'对象表示用于\\ -escapes的安全选项，你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可以读取文件的编码。 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，这很少重要，因为您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。

Answer 2

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',)]

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

>>> t = [(u'亀',), (u'犬',)]

但是我们假设你真的想要str ，而不是unicode 。 主要的问题是， __str__列表（或元组）的方法实际上等于其__repr__方法（它返回一个字符串，评价时，将精确地创建相同的对象）。 因为__repr__方法应该是独立于编码的，所以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（例如， \\xe4 ）。

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。

Answer 3

Python源代码文件是严格的ASCII，因此除非指定编码，否则必须使用\\u\u003c/code>转义序列。 见PEP 0263 。

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

当您将数组传递给print ，Python会使用Python的字符串转换规则将对象转换为字符串 。 这种转换的输出是为eval()设计的，这就是你看到那些\\u\u003c/code>序列的原因。 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')

Answer 4

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,)]

当然有更好的方法来做到这一点。

（但到目前为止的其他两个答案不会导致原始字符串按需要打印出来）。

Answer 5

人们似乎想念人们想要的东西。 当我从一个元组打印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。在搜索网后，它似乎是最干净的方式原子可显示数据。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  

Answer 6

尝试：

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