將所有Unicode字符視為單個字母

Question

我想創建一個程序來計算單詞的“值”，方法是根據單詞在單詞中的第一個位置添加給單詞的值（作為練習，我是Python的新手）。
就是 "foo"將返回5（因為“ f” = 1，“ o” = 2）， "bar"將返回6（因為“ b” = 1，“ a” = 2，“ r” = 3）。

到目前為止，這是我的代碼：

# -*- 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，但是對於包含“ł”，“±”等字符的單詞，它不會返回正確的值（我想這是因為它首先將這些字母轉換為Unicode代碼）。 有沒有一種方法可以繞過它，並使口譯員將所有字母視為單個字母？

Answer 1

將輸入解碼為unicode，然后在各處使用unicode，然后在輸出時解碼。

具體來說，您需要進行更改

print ppn(str(raw_input()))

至

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

這將解碼您的輸入。 然后，您還需要更改

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

至

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

這使您的所有代碼在內部都使用unicode對象。

Print可以將unicode正確編碼為您的終端使用的任何編碼，但是您也可以根據需要指定它。

另外，您也可以執行已完成的操作，但是可以使用python 3運行它。

有關更多信息，請閱讀關於該主題的非常有用的演講

Answer 2

用shell的編碼解碼：

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

對於Unix系統，通常使用UTF-8 。 在Windows上，情況可能有所不同。 要保存，請使用sys.stdin.encoding 。 您永遠不知道腳本將在哪里運行。

或者，甚至更好。 切換至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，默認情況下，字符串是unicode。 因此，無需解碼業務。

Answer 3

到目前為止，所有答案都說明了該怎么做，但並沒有說明正在進行的事情，因此這里有一些提示。

在Python 2中使用raw_input() ，將返回一個字節字符串input() Python 3上的input()表現不同）。 大多數unicode字符不能表示為單個字節，原因是unicode字符比可以用字節表示的值多。

當使用utf-8或其他編碼對ł或ą類的字符進行編碼時，可能需要兩個字節或更多個字節：

>>> 'ł'
'\xc5\x82'
>>> 'ą'
'\xc4\x85'

您的原始程序將這兩個字節解釋為不同的字符，從而導致錯誤的結果。

Python提供了一種替代字節字符串的方法：unicode字符串。 使用unicode字符串，一個字符與一個字符完全一樣（字符串的內部表示是不透明的）出現，並且不會出現您遇到的問題。

因此，將字節字符串解碼為unicode字符串是正確的方法。