Question

我正在使用newsapi.org并尝试获取中文文章。当我打印它们时，似乎看不懂中文字符。 u'\ u8fdd \ u89c4出现了。

{u'articles': [{u'author': u'chinanews',
                u'description': u'\u8fdd\u89c4 \u539f\u6599\u836f\u5904\u65b9\u836f\u6d41\u5165\u5e02\u573a\u3000\u3000\u5206\u6790\u5404\u5730\u8b66\u65b9\u516c\u5e03\u7684\u5236\u552e\u6709\u6bd2\u6709\u5bb3\u4fdd\u5065\u54c1\u6848\u60c5\u4e0d\u96be\u53d1\u73b0\uff0c\u8fd9\u4e9b\u6709\u5bb3\u4fdd\u5065\u54c1\u7684\u751f\u4ea7\u539f\u6750\u6599\u4e3b\u8981\u6709\u4e24\u5927\u6e90\u5934\u3002',
                u'publishedAt': u'2018-07-14T20:50:00Z',
                u'source': {u'id': None, u'name': u'Chinanews.com'},

我的代码是

import requests

url = ('https://newsapi.org/v2/top-headlines?'
       'country=cn&'
       'apiKey=16a6cd0345d84e799600cdb9ead6f05d')

response = requests.get(url)
pprint(response.json())

Answer 1

您使用的是Python 2.7，它使用unicode类型存储Unicode字符串（例如，存储在JSON中的字符串）。 Unicode类型的repr打印带有Unicode转义（\uXXXX）的所有非ASCII字符，这就是您在pprint输出中看到的。

您需要单独打印该值才能看到字符：

>>> print repr(u'\u8fdd\u89c4 \u539f\u6599\u836f')
u'\u8fdd\u89c4 \u539f\u6599\u836f'
>>> print u'\u8fdd\u89c4 \u539f\u6599\u836f'
违规 原料药

因此，就您而言，您可能会做类似的事情

for article in response.json()['articles']:
    print article['description']

Answer 2

我设法做到了这一点：

# A small part of the first part of the string provided:
text = u'\u8fdd\u89c4 \u539f\u6599\u836f' 
print(text)
# Prints 违规 原料药

bytes_var = text.encode('utf-8')
print(bytes_var)
# Prints b'\xe8\xbf\x9d\xe8\xa7\x84 \xe5\x8e\x9f\xe6\x96\x99\xe8\x8d\xaf'

现在，这到底是什么问题？它可能与版本有关。我在win10下运行Python 3.6.5。

在python请求中解码汉字

2 个答案: