Question

以下是一些示例（unicode）字符串：

a = u'\u03c3\u03c4\u03b7\u03bd \u03a0\u03bb\u03b1\u03c4\u03b5\u03af\u03b1 \u03c4\u03bf\u03c5'
b = u'\u010deprav so mu doma\u010di in strici duhovniki odtegovali denarno pomo\u010d . Kljub temu mu je uspelo'
c = u'sovi\xe9ticas excepto Georgia , inclusive las 3 rep\xfablicas que hab\xedan'

我的最终目标是拆分反斜杠（和空格），使它看起来像这样：

split_a = [u03c3, u03c4, u03b7, u03bd, ,u03a0, u03bb, u03b1, u03c4, u03b5, u03af, u03b1, ,u03c4, u03bf, u03c5]
split_b = ['', 'u010deprav', 'so', 'mu', 'doma', 'u010di', 'in', 'strici',  'duhovniki' odtegovali denarno pomo', 'u010d', '.', 'Kljub', 'temu', 'mu', 'je', 'uspelo']
split_c = ['sovi', 'xe9ticas', 'excepto', 'Georgia', ',', 'inclusive', 'las', '3',  'rep', 'xfablicas', 'que', 'hab', 'xedan']

（有空格和反斜杠的空位完全没问题。）

当我尝试使用此分割时：

a.split("\\")，它根本不会改变字符串。

我看到了这个示例here，这让我觉得我需要创建字符串文字字符串（使用r）。但是，我不知道如何将我的大型字符串列表转换为所有文字字符串。

当我搜索时，我得到here。但是，当我运行a.encode('latin-1').decode('utf-8')时，我的编译器会抛出错误。它抛出的错误是'latin-1' codec can't encode characters in position 0-3: ordinal not in range(256)

所以，我的问题是：如何获取unicode字符串列表，以编程方式迭代它们并使它们成为字符串文字，然后拆分反斜杠？

Answer 1

您有一个Unicode字符串，每个字符串元素已有一个Unicode代码点。 '\\'只是打印到控制台的字符串的表示，它不是实际的内容。

要制作一个数字列表实际上非常简单：

split_a = [ord(c) for c in a]

如果你需要制作一串由字母u后跟十六进制值组成的字符串，那只会稍微复杂一些：

split_a = ', '.join('u' + ('%04x' % ord(c)) for c in a)

Answer 2

您可以使用unicode_escape代码将unicode字符串转换为其转义表示形式。

split_a = a.encode('unicode_escape').split('\\')

输出：

['',
 'u03c3',
 'u03c4',
 'u03b7',
 'u03bd ',
 'u03a0',
 'u03bb',
 'u03b1',
 'u03c4',
 'u03b5',
 'u03af',
 'u03b1 ',
 'u03c4',
 'u03bf',
 'u03c5']

如何在Python中将unicode字符串转换为文字字符串？

2 个答案: