如何以原始語言打印unicode字符串的元組（不是u'foo'形式）

Question

我有一個unicode對象元組列表：

>>> t = [('亀',), ('犬',)]

打印出來，我得到：

>>> print t
[('\xe4\xba\x80',), ('\xe7\x8a\xac',)]

我想這是這些字符串的utf-8字節碼表示的列表？

但我想看到的是打印出來的，驚喜：

[('亀',), ('犬',)]

但是我在將字節碼重新變成人類可讀的形式方面遇到了過多的麻煩。

Answer 1

但我想看到的是打印出來的，驚喜：

[（'亀'，），（'犬'，）]

你想看到它打印出來的是什么？ 因為如果它是控制台，它根本不能保證您的控制台可以顯示這些字符。 這就是為什么Python的'repr（）'對象表示用於\\ -escapes的安全選項，你將始終能夠在屏幕上看到並輕松輸入。

作為先決條件，您應該使用Unicode字符串（u''）。 而且，正如Matthew所提到的，如果你想能夠直接在源代碼中編寫u'亀'，你需要確保Python可以讀取文件的編碼。 對於偶爾使用非ASCII字符，最好堅持使用轉義版本u'\\ u4e80'，但是當你想要閱讀很多東亞文本時，“＃coding = utf-8”是絕對是要走的路。

print'[％s]'％'，'。join（['，'。join（'（％s，）'％'，'。join（ti）for ti in t）]）

這將打印用引號打開的字符。 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])

這可行，但如果控制台不支持Unicode（這在Windows上特別麻煩），你會得到一個很大的舊UnicodeError。

在任何情況下，這很少重要，因為您在這里看到的對象的repr（）通常不會進入應用程序的公共用戶界面; 它只適用於編碼器。

但是，您會很高興知道Python 3.0的行為完全符合您的要求：

• 沒有'u'前綴的普通字符串現在是Unicode字符串
• repr（）逐字顯示大多數Unicode字符
• 更好地支持Windows控制台中的Unicode（如果您的環境不是UTF-8，您仍然可以在Unix上獲得UnicodeError）

Python 3.0有點新，而且庫不太受支持，但它可能更適合您的需求。

Answer 2

首先，你的帖子中存在輕微的誤解。 如果您定義這樣的列表：

>>> t = [('亀',), ('犬',)]

......那些不是你定義的unicode ，而是str 。 如果你想擁有unicode類型，你必須在角色之前添加一個u ：

>>> t = [(u'亀',), (u'犬',)]

但是我們假設你真的想要str ，而不是unicode 。 主要的問題是， __str__列表（或元組）的方法實際上等於其__repr__方法（它返回一個字符串，評價時，將精確地創建相同的對象）。 因為__repr__方法應該是獨立於編碼的，所以字符串盡可能以最安全的方式表示，即ASCII范圍之外的每個字符都表示為十六進制字符（例如， \\xe4 ）。

不幸的是，據我所知，沒有用於打印區域設置感知的列表的庫方法。 您可以使用幾乎通用的功能，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',)]

請注意，這不適用於所有可能的集合（例如，集合和字典），但很容易擴展它來處理這些集合。

Answer 3

Python源代碼文件是嚴格的ASCII，因此除非指定編碼，否則必須使用\\u\u003c/code>轉義序列。 見PEP 0263 。

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

當您將數組傳遞給print ，Python會使用Python的字符串轉換規則將對象轉換為字符串 。 這種轉換的輸出是為eval()設計的，這就是你看到那些\\u\u003c/code>序列的原因。 基於bobince的解決方案，這是一個解決問題的方法。 控制台必須接受Unicode，否則會引發異常。

t = [(u'亀',), (u'犬',)]
print repr(t).decode('raw_unicode_escape')

Answer 4

所以這似乎做我想要的：

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,)]

當然有更好的方法來做到這一點。

（但到目前為止的其他兩個答案不會導致原始字符串按需要打印出來）。

Answer 5

人們似乎想念人們想要的東西。 當我從一個元組打印unicode時，我只想擺脫'u''[''（'和引號。我們想要的是一個類似下面的函數。在搜索網后，它似乎是最干凈的方式原子可顯示數據。如果數據不在元組或列表中，我認為這個問題不存在。

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

嘗試：

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