Python：打印存储为变量的unicode字符串[关闭]

Question

在 Python (3.5.0) 中，我想将包含 unicode 符号的字符串（更准确地说，是从维基词典以 JSON 格式检索的 IPA 符号）打印到屏幕或文件中，例如

print("\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n")

正确打印

ˈwɔːtəˌmɛlən

- 但是，每当我在变量中使用字符串时，例如

ipa = '\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'
print(ipa)

它只是按原样打印出字符串，即

\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n

这没什么帮助。

我已经尝试了几种方法来避免这种情况（比如通过deocde/encode），但都没有帮助。

我不能合作

u'\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'

因为我已经将字符串作为变量检索（作为正则表达式匹配的结果）并且在我的代码中没有任何地方输入实际文字。

也有可能是我在从JSON结果转换的过程中出错了；到目前为止，我已经使用str(f.read()) 将字节流转换为字符串，通过正则表达式提取了 IPA 部分（并对双反斜杠进行了替换）并将其存储在字符串变量中。

编辑：
这是我到目前为止的代码：

def getIPAen(word):
    url = "https://en.wiktionary.org/w/api.php?action=query&titles=" + word + "&prop=revisions&rvprop=content&format=json"
    jsoncont = str((urllib.request.urlopen(url)).read())
    jsonmatch = re.search("\{IPA\|/(.*?)/\|", jsoncont).group(1)
    #print("jsomatch: " + jsonmatch)
    ipa = jsonmatch.replace("\\\\", "\\")
    #print("ipa: " + ipa)
    print(ipa)

用json.loads修改后：

def getIPAen(word):
    url = "https://en.wiktionary.org/w/api.php?action=query&titles=" + word + "&prop=revisions&rvprop=content&format=json"
    jsoncont = str((urllib.request.urlopen(url)).read())
    jsonmatch = re.search("\{IPA\|/(.*?)/\|", jsoncont).group(1)
    #print("jsonmatch: " + jsonmatch)
    jsonstr = "\"" + jsonmatch + "\""
    #print("jsonstr: " + jsonstr)
    jsonloads = json.loads(jsonstr)
    #print("jsonloads: " + jsonloads)
    print(jsonloads)

对于这两个版本，当调用它时

getIPAen("watermelon")

我得到的是：

\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n

有没有办法让字符串打印/写入已经解码，即使作为变量传递？

Answer 1

你没有这个值：

ipa = '\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'

因为 值打印得很好：

>>> ipa = '\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'
>>> print(ipa)
ˈwɔːtəˌmɛlən

你至少有文字\和u字符：

ipa = '\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n'

那些\\ 序列每个都是一个 反斜杠，但是被转义了。由于这是 JSON，字符串可能也被双引号括起来：

ipa = '"\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n"'

因为该字符串有文字反斜杠，这正是正在打印的内容：

>>> ipa = '"\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n"'
>>> print(ipa)
"\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n"
>>> ipa[1]
'\\'
>>> print(ipa[1])
\
>>> ipa[2]
'u'

注意 echoed 值如何显示字符串文字，您可以将其复制并粘贴回 Python，因此 \ 字符会再次为您转义。

该值是有效的 JSON，也使用\uhhhh 转义序列。将其解码为 JSON：

import json

print(json.loads(ipa))

现在你有了一个合适的 Python 值：

>>> import json
>>> json.loads(ipa)
'ˈwɔːtəˌmɛlən'
>>> print(json.loads(ipa))
ˈwɔːtəˌmɛlən

请注意，在 Python 3 中，几乎所有代码点都会直接打印，即使repl() 为您创建了文字。 json.loads() 结果直接显示值中的所有文本，即使大多数是非 ASCII。

此值不包含文字反斜杠或u 字符：

>>> result = json.loads(ipa)
>>> result[0]
'ˈ'
>>> result[1]
'w'

附带说明，在调试此类问题时，您确实希望使用 repr() 和 ascii() 函数，以便获得可让您正确重现字符串值的表示：

>>> print(repr(ipa))
'"\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n"'
>>> print(ascii(ipa))
'"\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n"'
>>> print(repr(result))
'ˈwɔːtəˌmɛlən'
>>> print(ascii(result))
'\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'

请注意，只有在具有实际 Unicode 代码点超出 Latin-1 范围的字符串上的 ascii() 会产生实际的 \uhhhh 转义序列。 （对于repl() 输出，如果您的终端或控制台无法处理特定字符，Python 仍然可以退回到\uhhhh 转义）。

至于您的更新，只需将 整个响应 解析为 JSON，然后从中加载正确的数据。您的代码将 bytes 响应正文转换为 repr()（str() 字节调用确实不解码数据；相反，您 双重转义以这种方式）。将来自网络的字节解码为 UTF-8，然后将该数据提供给 json.loads()：

import json
import re
import urllib.request
from urllib.parse import quote_plus


baseurl = "https://en.wiktionary.org/w/api.php?action=query&titles={}&prop=revisions&rvprop=content&format=json"

def getIPAen(word):
    url = baseurl.format(quote_plus(word))
    jsondata = urllib.request.urlopen(url).read().decode('utf8')
    data = json.loads(jsondata)
    for page in data['query']['pages'].values():
        for revision in page['revisions']:
            if 'IPA' in revision['*']:
                ipa = re.search(r"{IPA\|/(.*?)/\|", revision['*']).group(1)
                print(ipa)

请注意，我还确保将word 值引用到 URL 查询字符串中。

上面打印出它找到的任何 IPA：

>>> getIPAen('watermelon')
ˈwɔːtəˌmɛlən
>>> getIPAen('chocolate')
ˈtʃɒk(ə)lɪt