Django从unicode编码中提取字符串

Question

我有以下字符串，我想从中提取“gcc-4.3.2”和“C”

u"u'gcc-4.3.2' u'C'"

我尝试了smart_str（），输出如下

"u'gcc-4.3.2' u'C'"

现在我做了分裂（“”）

tokens = ["u'gcc-4.3.2'", "u'C'"]

然后我试了一下

smart_str（tokens [0]），但它给了我同样的东西

"u'gcc-4.3.2'"

如何从中提取gcc-4.3.2？

（我想为其他值做这个，所以我不想硬编码）

任何帮助，将不胜感激，

谢谢，

潘卡。

Answer 1

你真正的问题似乎是你得到一个值而不是值的表示。

>>> x = u"gcc-4.3.2"
>>> x
u'gcc-4.3.2'
>>> repr(x)
"u'gcc-4.3.2'"
>>> str(x)
'gcc-4.3.2'

如果您对从中获得价值的地方有任何控制权，我会先去那里处理。

警告：由于某种原因，Unicode是不同的，如果您有unicode字符，则可能遇到问题：

>>> x = u"ĝĝ"
>>> x
u'\u011d\u011d'
>>> repr(x)
"u'\\u011d\\u011d'"
>>> str(x)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)

如果您无法控制所获得的数据，则repr(x)的值是您可以评估的表达式：

>>> x = "u'gcc-4.3.2'"
>>> eval(x)
u'gcc-4.3.2'

但是，请注意， 由于多种原因 ，eval 非常不安全 。

如果你想更安全地处理unicode字符串，你可以这样做：

>>> import re
>>> x = "u'gcc-4.3.2' u'C'"
>>> re.findall("u'(.*?)'", x)
['gcc-4.3.2', 'C']

在这里，我们使用正则表达式来提取包含在u''中的字符串中的任何内容。 我们用.*? 使操作不贪婪，确保我们不以["gcc-4.3.2' u'C"]作为我们的输出结果。