# what I currently have
print('你好')
# 你好
# this is what I want
print('你好')
# \uXXXX \uXXXX
我该怎么做?我想将字符串中的所有非ascii字符打印为unicode escape literals
答案 0 :(得分:9)
您可以使用ascii()
function将字符串转换为使用非ASCII,不可打印字符转换为转义序列的调试表示:
作为
repr()
,返回包含对象的可打印表示的字符串,但使用repr()
,\x
转义\u
返回的字符串中的非ASCII字符或\U
逃脱。
对于U + 0100-U + FFFF范围内的Unicode代码点,它使用\uhhhh
转义符;对于Latin-1范围(U + 007F-U + 00FF),使用\xhh
转义。请注意,输出有资格作为有效的Python语法来重新创建字符串,因此包括引号:
>>> print('你好')
你好
>>> print(ascii('你好'))
'\u4f60\u597d'
>>> print(ascii('ASCII is not changed, Latin-1 (åéîøü) is, as are all higher codepoints, such as 你好'))
'ASCII is not changed, Latin-1 (\xe5\xe9\xee\xf8\xfc) is, as are all higher codepoints, such as \u4f60\u597d'
如果您必须拥有\uhhhh
所有内容,那么您必须自行转换:
import re
def escape_unicode(t, _p=re.compile(r'[\u0080-\U0010ffff]')):
def escape(match):
char = ord(match.group())
return '\\u{:04x}'.format(char) if char < 0x10000 else '\\U{:08x}'.format(char)
return _p.sub(escape, t)
以上函数不添加ascii()
函数的引号:
>>> print(escape_unicode('你好'))
\u4f60\u597d
>>> print(escape_unicode('ASCII is not changed, Latin-1 (åéîøü) is, as are all higher codepoints, such as 你好'))
ASCII is not changed, Latin-1 (\u00e5\u00e9\u00ee\u00f8\u00fc) is, as are all higher codepoints, such as \u4f60\u597d
答案 1 :(得分:2)
请注意,如果不将\
替换为\\
,您想要的是不可逆的;例如。你不能知道实际的字符串是'好'
(一个字符)还是'\\u597d'
(ascii范围内的6个字符),因为两者都会产生\u597d
作为输出。 Martijn的建议是反斜杠替换,并且是可逆的。
你可以自己进行转换:
def unicodeescape(s):
return ''.join(c if ord(c) < 128 else '\\u%04x' % ord(c) for c in s)
print(unicodeescape('你好'))
(Martijn关于BMP之外的人物的说明仍然适用)
如果您想对程序输出的所有内容执行此操作,并且尝试记住通过转换函数传递所有内容并不像您想要的那样好,那么您也可以尝试这样的事情:
import codecs, sys
def unicodeescapereplace(error):
if isinstance(error, UnicodeEncodeError):
s = error.object[error.start:error.end]
repl = ''.join('\\u%04x' % ord(c) for c in s)
return (repl, error.end)
raise error
codecs.register_error('unicodeescapereplace', unicodeescapereplace)
sys.stdout = codecs.getwriter('ascii')(sys.stdout.buffer, 'unicodeescapereplace')
print('你好')
这会创建一个自定义编码错误处理程序,它通过用unicode转义替换有问题的字符来处理UnicodeEncodeErrors。您可以像'你好'.encode('ascii', 'unicodeescapereplace')
一样使用它,或者像上面的示例一样,将stdout替换为自动将其用于所有编码的stdout。
答案 2 :(得分:1)
正常表示是使用ascii
内置函数获得的,作为Martijn Pieters的解释。
如果你真的想要继续打印\ u escapes,你可以手动 :
t = 'ASCII is not changed, Latin-1 (åéîøü) is, as are all higher codepoints, such as 你好'
disp = u = "'" + ''.join([c if (ord(c) < 128) else r'\u%04x' % (ord(c),) for c in t ]) + "'"
print(disp)
print(eval(disp))
按预期给出:
'ASCII is not changed, Latin-1 (\u00e5\u00e9\u00ee\u00f8\u00fc) is, as are all higher codepoints, such as \u4f60\u597d'
ASCII is not changed, Latin-1 (åéîøü) is, as are all higher codepoints, such as 你好
注意:我确实知道eval是邪恶的但是在那个特定的用例中我知道内部字符串不包含'
并且它被包含在'
中所以它不能超过仅仅转换编码字符 - 但我绝不会在外部字符串上执行此操作而不至少测试t.contains("'")
...
NB2:此方法无法正确处理代码大于0xffff的字符 - 如果没有其他 ...