Question

假设我有一个列表，其中包含多个列表，例如：

l = [['a'],['a','b'],['c'],['d',['a','b'],'f']]

用这个：

l = [x.decode('UTF8') for x in l]

可能我会收到错误：列表对象没有属性＆＃39; decode＆＃39;

（＆＃34; l＆＃34;从标记化文本创建的列表，其每个单词都成为列表对象。尝试了许多解决方案以克服解码难度，但仍然无法打印非ascii字符）

with open(path, "r") as myfile:
    text=myfile.read()

text = word_tokenize(text)

d = [[item] if not isinstance(item, list) else item for item in text]

arr = sum(([[x[0] for x in g]] if k else list(g)
     for k, g in groupby(d, key=lambda x: x[0][0].isupper())),
    [])

arr = [x.decode('UTF8') for x in arr]

INPUT（我的文字档案）：

Çanakkale çok güzel bir şehirdir. Çok beğendik.

输出：

[[u'\xc7anakkale'], [u'\xe7ok'], [u'g\xfczel'], [u'bir'], [u'\u015fehirdir'], [u'.']. [u'\xe7ok'], [u'be\u011fendik'], [u'.']]

我想要的输出是列表，但与输入格式完全一样。

Answer 1

您可以使用简单的递归函数进行解码：

l1 = [['a'],['a','b'],['c'],['d',['a','b'],'f']]

def decode(l):
    if isinstance(l, list):
        return [decode(x) for x in l]
    else:
        return l.decode('utf-8')

decode(l1) # [[u'a'], [u'a', u'b'], [u'c'], [u'd', [u'a', u'b'], u'f']]

Answer 2

首先，您认为您遇到的问题是您正在打印整个列表（您没有在问题中包含该部分，所以我不得不猜测） - Python正在打印安全的表示< / strong>的数据。对你而言，这意味着它表明你有Unicode字符串（因此是u''），它显示了非ASCII字符的Unicode点十六进制值。

如果您要打印列表中的单个部分，那么您将得到您所期望的。

即

>>> print arr[0][0] Çanakkale

如果要打印所有值，则需要for循环：

for x in arr: for y in x: print y

您还通过手动解码代码中的数据来引入不必要的复杂性 - 而不是您应该在输入时解码数据。

您似乎正在使用Python 2.x（由前缀'表示），因此在阅读时使用io模块解码文本数据：

import io with io.open(path, "r", encoding="utf-8") as myfile: text=myfile.read()

现在您可以删除arr = [x.decode('UTF8') for x in arr]行。

Python - 解码列表中的utf-8列表（解码整个列表对象）

2 个答案: