我想遍历 Unicode 字符串中的每个字符,我正在这样做:
import unicodedata
import json
words = ['\\u05d5\\u05b7\\u05d9\\u05b0\\u05d3\\u05b7\\u05d1\\u05bc\\u05b5\\u05a3\\u05e8', '\\u05d9\\u05b0\\u05d4\\u05b9\\u05d5\\u05b8\\u0594\\u05d4', '\\u05d0\\u05b6\\u05dc\\u05be\\u05de\\u05b9\\u05e9\\u05c1\\u05b6\\u05a5\\u05d4', '\\u05d5\\u05b0\\u05d0\\u05b6\\u05bd\\u05dc\\u05be\\u05d0\\u05b7\\u05d4\\u05b2\\u05e8\\u05b9\\u0596\\u05df', '\\u05dc\\u05b5\\u05d0\\u05de\\u05b9\\u05bd\\u05e8\\u05c3']
for word in words:
print(word)
print(type(word))
for idx, char in enumerate(word):
char_name = unicodedata.name(char)
print(char_name + ": " + char + " : " + json.dumps(char)) # comment out
但是输出是这样的:
REVERSE SOLIDUS: \ : "\\"
LATIN SMALL LETTER U: u : "u"
DIGIT ZERO: 0 : "0"
DIGIT FIVE: 5 : "5"
LATIN SMALL LETTER D: d : "d"
DIGIT FIVE: 5 : "5"
REVERSE SOLIDUS: \ : "\\"
LATIN SMALL LETTER U: u : "u"
如何遍历字符串中的 Unicode 字符?
我想我需要将 \\u
转换为 \u
,但不知道该怎么做:
print(word.replace('\\u', '\u'))
^
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 0-1: truncated \uXXXX escape
答案 0 :(得分:2)
正确输入单词列表,不要出现双反斜杠:
words = ['\u05d5\u05b7\u05d9\u05b0\u05d3\u05b7\u05d1\u05bc\u05b5\u05a3\u05e8', '\u05d9\u05b0\u05d4\u05b9\u05d5\u05b8\u0594\u05d4', '\u05d0\u05b6\u05dc\u05be\u05de\u05b9\u05e9\u05c1\u05b6\u05a5\u05d4', '\u05d5\u05b0\u05d0\u05b6\u05bd\u05dc\u05be\u05d0\u05b7\u05d4\u05b2\u05e8\u05b9\u0596\u05df', '\u05dc\u05b5\u05d0\u05de\u05b9\u05bd\u05e8\u05c3']
print(words)
或者使用 .decode('unicode_escape')
转换列表,但必须先将 .encode()
转换为字节字符串。由于原始字符串都是 ASCII 字符,因此您几乎可以使用任何标准编码来转换为字节,但 'ascii'
是最明确的:
words = ['\\u05d5\\u05b7\\u05d9\\u05b0\\u05d3\\u05b7\\u05d1\\u05bc\\u05b5\\u05a3\\u05e8', '\\u05d9\\u05b0\\u05d4\\u05b9\\u05d5\\u05b8\\u0594\\u05d4', '\\u05d0\\u05b6\\u05dc\\u05be\\u05de\\u05b9\\u05e9\\u05c1\\u05b6\\u05a5\\u05d4', '\\u05d5\\u05b0\\u05d0\\u05b6\\u05bd\\u05dc\\u05be\\u05d0\\u05b7\\u05d4\\u05b2\\u05e8\\u05b9\\u0596\\u05df', '\\u05dc\\u05b5\\u05d0\\u05de\\u05b9\\u05bd\\u05e8\\u05c3']
words = [word.encode('ascii').decode('unicode_escape') for word in words]
print(words)
两者都导致:
['וַיְדַבֵּ֣ר', 'יְהֹוָ֔ה', 'אֶל־מֹשֶׁ֥ה', 'וְאֶֽל־אַהֲרֹ֖ן', 'לֵאמֹֽר׃']
答案 1 :(得分:0)
您可以使用 Python 中的 split() 命令将您的字符串分解为一个列表。然后,您可以遍历列表中的元素。你可以这样做:
string = "\\u05d5\\u05b7\\u05d9\\u05b0\\u05d3\\u05b7\\u05d1\\u05bc\\u05b5\\u05a3\\u05e8"
splitted = string.split("\\")
targetlist = []
for s in splitted[1:]:
targetlist.append(f"\\{s}")
print(targetlist)
这产生:
['\\u05d5', '\\u05b7', '\\u05d9', '\\u05b0', '\\u05d3', '\\u05b7', '\\u05d1', '\\u05bc', '\\u05b5', '\\u05a3', '\\u05e8']
答案 2 :(得分:0)
显然需要对单词进行编码和解码以转义反斜杠:
words = [word.encode('utf-8').decode('unicode_escape') for word in verse_unicode.split()]