Question

我在做语言学项目（语言是马拉雅拉姆语）。

我的清单是

x= [u'1\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d', u'5\u0d05\u0d35\u0d28\u0d4d\u200d']

我想从列表中的每个项目中提取整数和unicodes。

预期输出

1 \u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200  
5 \u0d05\u0d35\u0d28\u0d4d\u200d

首先我尝试将第一项x [0]转换为ascii

print unicodedata.normalize('NFKD',x[0]).encode('ascii','ignore')

输出为1。

我认为生成此输出是因为列表中的unicode用于malayalam。

然后我试图找到“\ u”的第一个索引，如

x[0].index("\u")

执行此操作时出错。

Answer 1

字符序列\uXXXX表示单个unicode字符，而不是字符串中的字符序列。

您可以按如下方式获得预期输出：

for i in x:
    print int(i[0]), repr(i[1:])[2:-1]

（假设整数只有一位数）

对于更一般的情况，一种解决方案是使用正则表达式提取整数：

import re
for i in x:
    s = re.match('([0-9]+)', i).group(1)
    print int(s), repr(i[len(s):])[2:-1]

Answer 2

>>> x= [u'1\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d', u'5\u0d05\u0d35\u0d28\u0d4d\u200d']  
>>> res = [ (i[:1], i[1:]) for i in x ]
>>> res
[(u'1', u'\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d'), (u'5', u'\u0d05\u0d35\u0d28\u0d4d\u200d')]

>>> for i in res:
...     print i[0], repr(i[1])
... 
1 u'\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d'
5 u'\u0d05\u0d35\u0d28\u0d4d\u200d'

从列表中的每个项目中提取整数和unicodes

2 个答案: