Question

我正在阅读一个文件，我在这一行中读到类似for line in f:

的内容

Please Please Me,22 March 1963,Parlophone(UK),1,—,Gold,Platinum

然后我做了

b=line.split(",")
print b

它给了我这个：

['Please Please Me', '22 March 1963', 'Parlophone(UK)', '1', '\xe2\x80\x94', 'Gold', 'Platinum\n']

我想要—而不是\xe2\x80\x94。

这里到底发生了什么，我该如何克服它？

Edit1 问题在于它似乎在数组中输入它。 windows7上的python 2.7.5

$ cat test.py
# -*- coding: utf-8 -*-


b = "Please Please Me,22 March 1963,Parlophone(UK),1,—,Gold,Platinum"

for i in b.split(','):

    print i.decode('utf-8')

c = b.split(',')

print c

输出：

$ python test.py
Please Please Me
22 March 1963
Parlophone(UK)
1
—
Gold
Platinum
['Please Please Me', '22 March 1963', 'Parlophone(UK)', '1', '\xe2\x80\x94', 'Gold', 'Platinum']

Answer 1

那可能是unicode

尝试在脚本顶部添加utf行（在＃！/ usr / bin / python3下）

# -*- coding: utf-8 -*-

Answer 2

升级到Python3。

演示：

Python 3.4.0 (default, Apr 11 2014, 13:05:11) 
[GCC 4.8.2] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> line = 'Please Please Me,22 March 1963,Parlophone(UK),1,—,Gold,Platinum'
>>> line.split(',')
['Please Please Me', '22 March 1963', 'Parlophone(UK)', '1', '—', 'Gold', 'Platinum']

Answer 3

试试这个：

# -*- coding: utf-8 -*-


b = "Please Please Me,22 March 1963,Parlophone(UK),1,—,Gold,Platinum"


for i in b.split(','):

    print i.decode('utf-8')

Windows 7 / Python 2.7

Answer 4

@ Irshad Bhat

在我的用例中，升级到python 3并没有帮助我，仍然面临着同样的问题。
但是我发现了solution，此解决方案非常有效，希望它对解析像我这样的文档的其他人有所帮助。
链接到解决方案：https://mail.python.org/pipermail/tutor/2009-February/067414.html

编辑：
一个简短的功能，灵感来自于上面的链接

def clean_text(text):
    unwanted_char = '\x00\x01\x02\x03\x04\x05\x06\x07\x08\t\n\x0b\x0c\r\x0e\x0f\x10\x11\x12\x13\x14\x15\x16\x17\x18\x19\x1a\x1b\x1c\x1d\x1e\x1f\x7f\x80\x81\x82\x83\x84\x85\x86\x87\x88\x89\x8a\x8b\x8c\x8d\x8e\x8f\x90\x91\x92\x93\x94\x95\x96\x97\x98\x99\x9a\x9b\x9c\x9d\x9e\x9f\xa0\xa1\xa2\xa3\xa4\xa5\xa6\xa7\xa8\xa9\xaa\xab\xac\xad\xae\xaf\xb0\xb1\xb2\xb3\xb4\xb5\xb6\xb7\xb8\xb9\xba\xbb\xbc\xbd\xbe\xbf\xc0\xc1\xc2\xc3\xc4\xc5\xc6\xc7\xc8\xc9\xca\xcb\xcc\xcd\xce\xcf\xd0\xd1\xd2\xd3\xd4\xd5\xd6\xd7\xd8\xd9\xda\xdb\xdc\xdd\xde\xdf\xe0\xe1\xe2\xe3\xe4\xe5\xe6\xe7\xe8\xe9\xea\xeb\xec\xed\xee\xef\xf0\xf1\xf2\xf3\xf4\xf5\xf6\xf7\xf8\xf9\xfa\xfb\xfc\xfd\xfe\xff'
    text = "".join([(" " if n in unwanted_char else n) for n in text if n not in unwanted_char])
    return text

请检查缩进并输入您的代码

Answer 5

您的代码可以正常工作。

print i.decode('utf-8')将每个String形式的UTF-8解码为8bit ascii（ISO-8859-1）。示例中的破折号不是普通破折号，而是Em-dash

Em破折号不是不在中，而是8位ASCII字符集中。因此，decode()无法将其解码为常规字符，并用utf-8字符（\xe2\x80\x94的python源代码表示形式代替。

如果要显示破折号，则应在运行decode()之前用常规破折号代替Em-dash。

for i in b.split(','):

    i.replace(u'—', '-')
    print i.decode('utf-8')

Answer 6

'\xe2\x80\x94'表示连字符（-）。

这是打印列表时得到的。

for a in ['Please Please Me', '22 March 1963', 'Parlophone(UK)', '1', '\xe2\x80\x94',   'Gold', 'Platinum\n']:  
    print a

Please Please Me  
22 March 1963  
Parlophone(UK)  
1  
—  
Gold  
Platinum

您可以将'\xe2\x80\x94'替换为''。

python＆＃34; - ＆＃34;短划线显示为＆＃34; \ xe2 \ x80 \ x94＆＃34; - 如何纠正

6 个答案: