如何编码 python 列表

Question

我在尝试对 python 列表进行编码时遇到了困难，我已经使用文本文件进行了编码，以便使用 re 模块计算其中的特定单词。

这是代码：

# encoding text file
with codecs.open('projectsinline.txt', 'r', encoding="utf-8") as f:
    for line in f:
        # Using re module to extract specific words
        unicode_pattern = re.compile(r'\b\w{4,20}\b', re.UNICODE)
        result = unicode_pattern.findall(line)
    word_counts = Counter(result) # It creates a dictionary key and wordCount
    Allwords = []
    for clave in word_counts:
        if word_counts[clave] >= 10: # We look for the most repeated words
            word = clave
            Allwords.append(word)
    print Allwords

部分输出如下所示：

[...u'recursos', u'Partidos', u'Constituci\xf3n', u'veh\xedculos', u'investigaci\xf3n', u'Pol\xedticos']

如果我print 变量word 输出看起来应该是这样。但是，当我使用append 时，所有单词都会再次中断，就像之前的示例一样。

我用这个例子：

[x.encode("utf-8") for x in Allwords]

输出看起来和以前完全一样。

我也用这个例子：

Allwords.append(str(word.encode("utf-8")))

输出发生变化，但单词看起来不应该是：

[...'recursos', 'Partidos', 'Constituci\xc3\xb3n', 'veh\xc3\xadculos', 'investigaci\xc3\xb3n', 'Pol\xc3\xadticos']

一些答案​​已经给出了这个例子：

print('[' + ', '.join(Allwords) + ']')

输出如下：

[...recursos, Partidos, Constitución, vehículos, investigación, Políticos]

说实话我不想打印列表，只是对其进行编码，以便识别所有项目（单词）。

我正在寻找这样的东西：

[...'recursos', 'Partidos', 'Constitución', 'vehículos', 'investigación', 'Políticos']

感谢任何解决问题的建议

谢谢，

Answer 1

你可能会尝试什么

print('[' + ', '.join(Allwords) + ']')

Answer 2

您的 Unicode 字符串列表是正确的。当您打印列表时，列表中的项目显示为它们的repr() 函数。当您打印项目本身时，项目将显示为它们的str() 函数。它只是一个显示选项，类似于将整数打印为十进制或十六进制。

因此，如果您想正确查看单个单词，请打印它们，但为了比较，内容是正确的。

值得注意的是，Python 3 改变了 repr() 的行为，现在如果终端直接支持非 ASCII 字符而不使用转义码，并且 ascii() 函数再现了 Python 2 的 repr() 行为。