Question

我很难尝试对python列表进行编码，我已经使用文本文件对其进行了计数，以便使用re模块计算其中的特定单词。

这是代码：

# encoding text file
with codecs.open('projectsinline.txt', 'r', encoding="utf-8") as f:
    for line in f:
        # Using re module to extract specific words
        unicode_pattern = re.compile(r'\b\w{4,20}\b', re.UNICODE)
        result = unicode_pattern.findall(line)
    word_counts = Counter(result) # It creates a dictionary key and wordCount
    Allwords = []
    for clave in word_counts:
        if word_counts[clave] >= 10: # We look for the most repeated words
            word = clave
            Allwords.append(word)
    print Allwords

部分输出如下：

[...u'recursos', u'Partidos', u'Constituci\xf3n', u'veh\xedculos', u'investigaci\xf3n', u'Pol\xedticos']

如果我print变量word输出看起来应该是这样的。但是，当我使用append时，所有单词都会再次中断，如前面的示例所示。

我使用这个例子：

[x.encode("utf-8") for x in Allwords]

输出与以前完全相同。

我也使用这个例子：

Allwords.append(str(word.encode("utf-8")))

输出更改，但单词看起来不应该如此：

[...'recursos', 'Partidos', 'Constituci\xc3\xb3n', 'veh\xc3\xadculos', 'investigaci\xc3\xb3n', 'Pol\xc3\xadticos']

一些答案给出了这个例子：

print('[' + ', '.join(Allwords) + ']')

输出如下：

[...recursos, Partidos, ConstituciÃ³n, vehÃculos, investigaciÃ³n, PolÃticos]

说实话，我不想打印列表，只是编码，以便识别所有项目（单词）。

我正在寻找类似的东西：

[...'recursos', 'Partidos', 'Constitución', 'vehículos', 'investigación', 'Políticos']

赞赏任何解决问题的建议

谢谢，

Answer 1

你可能会尝试什么

打印（＆＃39; [＆＃39; +＆＃39;，＆＃39; .join（Allwords）+＆＃39;]＆＃39;）

Answer 2

您的Unicode字符串列表是正确的。当您打印列表时，列表中的项目显示为repr()功能。当您自己打印项目时，项目显示为str()功能。它只是一个显示选项，类似于将整数打印为十进制或十六进制。

如果你想正确看到它们，请打印单个单词，但是为了比较，内容是正确的。

值得注意的是，Python 3改变了repr()的行为，如果终端直接支持它们，并且ascii()函数再现Python 2 {{1}，现在将显示没有转义码的非ASCII字符行为。

如何编码python列表

2 个答案: