制作 unicode 转义码的更有效方法

Question

我正在使用 python 为 Qualtrics 在线调查自动生成 qsf 文件。 qsf 文件要求使用 \u+hex 约定转义 unicode 字符：'слово' = '\u0441\u043b\u043e\u0432\u043e'。目前，我正在使用以下表达式实现这一点：

'слово'.encode('ascii','backslashreplace').decode('ascii')

输出正是我需要的，但由于这是一个两步过程，我想知道是否有更有效的方法来获得相同的结果。

Answer 1

如果您以“wb”形式打开输出文件，则它接受字节流而不是 unicode 参数：

s = 'слово'
with open('data.txt','wb') as f:
    f.write(s.encode('unicode_escape'))
    f.write(b'\n')  # add a line feed

这似乎是你想要的：

$ cat data.txt
\u0441\u043b\u043e\u0432\u043e

它避免了解码以及将 unicode 写入文本流时发生的任何翻译。

---

根据@J.F.Sebastian 的建议更新为使用 encode('unicode_escape')。

%timeit 报告说它比 encode('ascii', 'backslashreplace') 快很多：

In [18]: f = open('data.txt', 'wb')

In [19]: %timeit f.write(s.encode('unicode_escape'))
The slowest run took 224.43 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 1.55 µs per loop

In [20]: %timeit f.write(s.encode('ascii','backslashreplace'))
The slowest run took 9.13 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 2.37 µs per loop

In [21]: f.close()

奇怪的是，encode('unicode_escape') 的 timeit 延迟比 encode('ascii', 'backslashreplace') 的延迟要长得多，即使每个循环时间更快，所以一定要在你的环境。

Answer 2

我怀疑这是您应用程序的性能瓶颈，但s.encode('unicode_escape') 可能比s.encode('ascii', 'backslashreplace') 快。

为避免手动调用.encode()，您可以将编码传递给open()：

with open(filename, 'w', encoding='unicode_escape') as file:
    print(s, file=file)

注意：它也翻译不可打印的 ascii 字符，例如，换行符写为\n，制表符写为\t，等等。