Question

我使用内置拆分功能，我有一个问题：

>>> data = "test, ąśżźć, test2"
>>> splitted_data = data.split(",")
>>> print splitted_data
['test', ' \xc4\x85\xc5\x9b\xc5\xbc\xc5\xba\xc4\x87', ' test2']

为什么会这样？我应该怎么做才能防止这种情况发生？

Python 2.7.1

Answer 1

这纯粹是从str.__repr__获得的输出（在字符串上调用repr()）。 \xc4等只是它存储的实际方式。打印时它仍然是相同的：

>>> data = "test, ąśżźć, test2"
>>> data
'test, \xc4\x85\xc5\x9b\xc5\xbc\xc5\xba\xc4\x87, test2'
>>> print data
test, ąśżźć, test2

list.__str__和list.__repr__使用字符串的表示形式，但如果您访问其中的项目，它仍然是正确的：

>>> splitted_data = data.split(",")
>>> splitted_data
['test', ' \xc4\x85\xc5\x9b\xc5\xbc\xc5\xba\xc4\x87', ' test2']
>>> print splitted_data[1]
 ąśżźć

Answer 2

虽然您的代码段有效（转义只是repr的工作原理），但您不应将字节串作为文本处理。首先解码，稍后再操作。

data       = u"test, ąśżźć, test2" # or "test, ąśżźć, test2".decode('utf-8')
split_data = data.split(u",")

Answer 3

您正在查看splitted_data

的内部表示

data = "test, åäö, test2"
data
'test, \xe5\xe4\xf6, test2'

data.split()[1]
'\xe5\xe4\xf6,'

print data.split()[1]
åäö,

Answer 4

正如其他人所说，你的手术没有任何问题。您的期望未得到满足，因为Python选择的打印列表的显示不是包含字符串的列表。与以下内容比较：

>>> data = "test, ąśżźć, test2"
>>> a,b,c = data.split(",")
>>> print a,b,c

test  ąśżźć  test2

如何使用utf8编码拆分？

4 个答案: