Question

我使用jieba中文字典进行分词当我打印单词列表时，结果如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*- 
import jieba
import sys
import jieba


s1 = "他来到了网易杭研大厦!"
seg_list = jieba.cut(s1)
lst1 = ", ".join(seg_list)
print lst1
m =lst1.split(', ')
print m[2]
punct = set(u''':!),.:;?]}¢'"、。〉》」』】〕〗〞︰︱︳﹐､﹒﹔﹕﹖﹗﹚﹜﹞！），．：；？｜｝︴︶︸︺︼︾﹀﹂﹄﹏､～￠々‖•·ˇˉ―--′’”([{£¥'"‵〈《「『【〔〖（［｛￡￥〝︵︷︹︻︽︿﹁﹃﹙﹛﹝（｛“‘-—_…''')

filterpuntl = list(filter(lambda x: x not in punct, m))

print filterpuntl[2]

结果如下：

他, 来到, 了, 网易, 杭研, 大厦, !
[u'\u4ed6', u'\u6765\u5230', u'\u4e86', u'\u7f51\u6613', u'\u676d\u7814', u'\u5927\u53a6', u'!']
[u'\u4ed6', u'\u6765\u5230', u'\u4e86', u'\u7f51\u6613', u'\u676d\u7814', u'\u5927\u53a6']

如何将[u'\u4ed6', u'\u6765\u5230' ...]更改为中文字符？

当我打印列表中的单个元素时，它是中文：

print m[2]
print filterpuntl[2]

结果是：

他, 来到, 了, 网易, 杭研, 大厦, !
了
了

Answer 1

u'\u4ed6' 是一个汉字。它只是一个不同的表示形式，就像你可以为同一个数字写0.1或1e-1一样 - 它是相同的东西，只是看起来不同。

如果你想在打印列表等时看到正确的字形（发出repr()形式的对象），请切换到Python 3：

$ python3
Python 3.5.2 (default, Aug 18 2017, 17:48:00) 
[GCC 5.4.0 20160609] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> print(['\u4ed6'])
['他']

python2.7：为什么打印中文列表看起来像[u＆＃39; \ u4ed6＆＃39;，u＆＃39; \ u6765 \ u5230＆＃39;，u＆＃39; \ u4e86＆＃39;，u＆＃39; \ u7f51 \ u6613＆＃39;]？

1 个答案: