從具有正確編碼（UTF-8）的字符串生成列表

Question

我很難從字符串中生成一個列表，使用正確的 UTF-8 編碼，我正在使用 Python（我只是在學習編程，所以我的愚蠢問題/糟糕的編碼是裸露的）。

源文件是一個推文提要（JSON 格式），在成功解析它並從所有其余文件中提取推文消息后，我設法僅在打印后（作為字符串）獲得具有正確編碼的文本。 如果我嘗試將它打包成列表形式，它會返回到未編碼的u\\000000形式。

我的代碼是：

import json

with open("file_name.txt") as tweets_file:
    tweets_list = [] 
    for a in tweets_file:
        b = json.loads(a)
        tweets_list.append(b)

    tweet = []
    for i in tweets_list:
        key = "text"
        if key in i:
            t = i["text"]
            tweet.append(t)

    for k in tweet:
        print k.encode("utf-8")

作為替代方案，我嘗試在開頭（獲取文件時）進行編碼：

import json
import codecs

tweets_file = codecs.open("file_name.txt", "r", "utf-8")
tweets_list = [] 
for a in tweets_file:
    b = json.loads(a)
    tweets_list.append(b)
tweets_file.close()

tweet = []
for i in tweets_list:
    key = "text"
    if key in i:
        t = i["text"]
        tweet.append(t)

for k in tweet:
    print k

我的問題是：如何將生成的 k 個字符串放入列表中？ 將每個 k 字符串作為一個項目？

Answer 1

您對 Python 字符串表示感到困惑。

當您打印 Python 列表（或任何其他標准 Python 容器）時，內容以特殊表示形式顯示，以便於調試； 顯示的每個值都是對該值調用repr()函數的結果。 對於字符串值，這意味着結果是一個unicode 字符串表示，這與直接打印字符串時看到的不同。

Unicode 和字節字符串，當這樣顯示時，將顯示為字符串文字； 您可以將引用的值直接復制並粘貼回 Python 代碼，而不必擔心編碼； 任何不是可打印 ASCII 字符的內容都以引號形式顯示。 超出 latin-1 平面的 Unicode 代碼點顯示為'\\u....'轉義序列。 latin-1 范圍內的字符使用'\\x..轉義序列。 許多控制字符以 1 個字母的轉義形式顯示，例如\\n和\\t 。

python 交互式提示做同樣的事情； 當您在不使用print情況下在提示上回顯值時，“表示”中的值以repr()形式顯示：

>>> print u'\u2036Hello World!\u2033'
‶Hello World!″
>>> u'\u2036Hello World!\u2033'
u'\u2036Hello World!\u2033'
>>> [u'\u2036Hello World!\u2033', u'Another\nstring']
[u'\u2036Hello World!\u2033', u'Another\nstring']
>>> print _[1]
Another
string

這是完全正常的行為。 換句話說，您的代碼有效，沒有任何問題。

回到您的代碼，如果您只想從推文 JSON 結構中提取'text'鍵，請在讀取文件時進行過濾，不要循環兩次：

import json

with open("file_name.txt") as tweets_file:
    tweets = [] 
    for line in tweets_file:
        data = json.loads(a)
        if 'text' in data:
            tweets.append(data['text'])