Показывать экранированную строку как Unicode в Python - PullRequest
Новая
       23

Показывать экранированную строку как Unicode в Python

9 голосов
/ 18 мая 2010

Я только что знал Python за несколько дней. Unicode, похоже, проблема с Python.

У меня есть текстовый файл, в котором хранится текстовая строка, подобная этой 

'\u0110\xe8n \u0111\u1ecf n\xfat giao th\xf4ng Ng\xe3 t\u01b0 L\xe1ng H\u1ea1'

Я могу прочитать файл и распечатать строку, но она отображается неправильно. Как я могу распечатать его на экране правильно, как указано ниже: 

"Đèn đỏ nút giao thông Ngã tư Láng Hạ"

Заранее спасибо

Ответы [ 3 ]

8 голосов
/ 18 мая 2010 
>>> x=r'\u0110\xe8n \u0111\u1ecf n\xfat giao th\xf4ng Ng\xe3 t\u01b0 L\xe1ng H\u1ea1'
>>> u=unicode(x, 'unicode-escape')
>>> print u
Đèn đỏ nút giao thông Ngã tư Láng Hạ

Это работает на Mac, где Terminal.App правильно устанавливает sys.stdout.encoding на utf-8. Если ваша платформа неправильно установила этот атрибут (или вообще не указала), вам нужно заменить последнюю строку на 

print u.decode('utf8')

или любая другая кодировка, используемая вашим терминалом / консолью.

Обратите внимание, что в первой строке я назначаю необработанный строковый литерал, чтобы «escape-последовательности» не расширялись - это просто имитирует то, что произойдет, если строка x читается из (текстового или двоичного) файла с этим буквальным содержанием.

1 голос
/ 19 мая 2010

Это помогает показать простой пример с кодом и выводить то, что вы явно пробовали. Похоже, ваша консоль не поддерживает вьетнамский. Вот несколько вариантов: 

# A byte string with Unicode escapes as text.
>>> x='\u0110\xe8n \u0111\u1ecf n\xfat giao th\xf4ng Ng\xe3 t\u01b0 L\xe1ng H\u1ea1'

# Convert to Unicode string.
>>> x=x.decode('unicode-escape')
>>> x
u'\u0110\xe8n \u0111\u1ecf n\xfat giao th\xf4ng Ng\xe3 t\u01b0 L\xe1ng H\u1ea1'

# Try to print to my console:
>>> print x
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "C:\dev\python\lib\encodings\cp437.py", line 12, in encode
    return codecs.charmap_encode(input,errors,encoding_map)
UnicodeEncodeError: 'charmap' codec can't encode character u'\u0110' in position 0:
  character maps to <undefined>

# My console's encoding is cp437.
# Instead of the default strict error handling that throws exceptions, try:
>>> print x.encode('cp437','replace')
?èn ?? nút giao thông Ng? t? Láng H?    

# Six characters weren't supported.
# Here's a way to write the text to a temp file and display it with another
# program that supports the UTF-8 encoding:
>>> import tempfile
>>> f,name=tempfile.mkstemp()
>>> import os
>>> os.write(f,x.encode('utf8'))
48
>>> os.close(f)
>>> os.system('notepad.exe '+name)

Надеюсь, это поможет вам.

0 голосов
/ 18 мая 2010

Попробуйте это 

>>> s=u"\u0110\xe8n \u0111\u1ecf n\xfat giao th\xf4ng Ng\xe3 t\u01b0 L\xe1ng H\u1ea1"
>>> print s
=> Đèn đỏ nút giao thông Ngã tư Láng Hạ
...