Question

这肯定是一件容易的事，但这真的让我烦恼。

我有一个脚本可以读入网页并使用Beautiful Soup来解析它。从汤我提取所有链接，因为我的最终目标是打印出link.contents。

我正在解析的所有文本都是ASCII。我知道Python将字符串视为unicode，我确信这非常方便，只是在我的小脚本中没用。

每次我打印出一个包含'String'的变量时，我都会在屏幕上打印[u'String']。是否有一种简单的方法可以将其恢复为ascii，还是应该编写正则表达式来删除它？

Answer 1

[u'ABC']将是unicode字符串的单元素列表。 Beautiful Soup always produces Unicode。因此，您需要将列表转换为单个unicode字符串，然后将其转换为ASCII。

我不知道你是如何获得单元素列表的;内容成员将是一个字符串和标签列表，这显然不是你拥有的。假设你总是得到一个包含单个元素的列表，并且你的测试实际上只是 ASCII，你可以使用它：

 soup[0].encode("ascii")

但是，请仔细检查您的数据是否真的是ASCII。这非常罕见。更有可能是latin-1或utf-8。

 soup[0].encode("latin-1")


 soup[0].encode("utf-8")

或者你问Beautiful Soup原始编码是什么，并以此编码取回：

 soup[0].encode(soup.originalEncoding)

Answer 2

您可能有一个包含一个unicode字符串的列表。 repr的{{1}}为[u'String']。

您可以使用以下任何变体将其转换为字节字符串列表：

# Functional style.
print map(lambda x: x.encode('ascii'), my_list)

# List comprehension.
print [x.encode('ascii') for x in my_list]

# Interesting if my_list may be a tuple or a string.
print type(my_list)(x.encode('ascii') for x in my_list)

# What do I care about the brackets anyway?
print ', '.join(repr(x.encode('ascii')) for x in my_list)

# That's actually not a good way of doing it.
print ' '.join(repr(x).lstrip('u')[1:-1] for x in my_list)

Answer 3

如果访问/打印单个元素列表（例如，顺序或过滤）：

my_list = [u'String'] # sample element
my_list = [str(my_list[0])]

Answer 4

import json, ast
r = {u'name': u'A', u'primary_key': 1}
ast.literal_eval(json.dumps(r))

将打印

{'name': 'A', 'primary_key': 1}

Answer 5

将输出传递给str（）函数，它将删除转换unicode输出。通过打印输出，它将从中删除u''标签。

Answer 6

你的意思是u'String'吗？

无论如何，你不能只是str(string)来获取字符串而不是unicode字符串吗？（对于Python 3，这应该是不同的，所有字符串都是unicode。）

Answer 7

[u'String']是包含Python 2上的Unicode字符串的列表的文本表示。

如果您运行print(some_list)，那么它相当于
print'[%s]' % ', '.join(map(repr, some_list))即，要创建类型为list的Python对象的文本表示，请为每个项调用repr()函数。

不要混淆Python对象及其文本表示 - repr('a') != 'a'，甚至文本表示的文本表示也不同：repr(repr('a')) != repr('a')。

repr(obj)返回一个字符串，其中包含对象的可打印表示形式。它的目的是成为一个对象的明确表示，它可以在REPL中用于调试。经常eval(repr(obj)) == obj。

为了避免调用repr()，您可以直接打印列表项（如果它们都是Unicode字符串），例如：print ",".join(some_list) - 它会打印逗号分隔的字符串列表：String < / p>

不要使用硬编码字符编码将Unicode字符串编码为字节，而是直接打印Unicode 。否则，代码可能会失败，因为编码无法表示所有字符，例如，如果您尝试将'ascii'编码与非ascii字符一起使用。或者，如果环境使用与硬编码编码不兼容的编码，代码将以静默方式生成mojibake（损坏的数据在管道中进一步传递）。

Answer 8

在'字符串'上使用dir或type来了解它是什么。我怀疑它是BeautifulSoup的标签对象之一，打印得像一个字符串，但实际上不是一个。否则，它在列表中，你需要单独转换每个字符串。

无论如何，你为什么反对使用Unicode？有什么特别的原因吗？

Answer 9

在我的案例中，

encode("latin-1")帮助了我：

facultyname[0].encode("latin-1")

Answer 10

也许我不明白，为什么你不能得到element.text然后在使用之前转换它？例如（不知道为什么你会这样做，但......）找到网页的所有标签元素并在它们之间进行迭代，直到找到一个名为MyText

的元素

        avail = []
        avail = driver.find_elements_by_class_name("label");
        for i in avail:
                if  i.text == "MyText":

从i转换字符串并做任何你想做的事情...... 也许我错过了原始邮件中的内容？或者这就是你要找的东西？

Python字符串打印为[u'String']

10 个答案: