如何将 unicode 字符串转换为 Python 中的文字字符串？

Question

这里有几个示例 (unicode) 字符串：

a = u'\u03c3\u03c4\u03b7\u03bd \u03a0\u03bb\u03b1\u03c4\u03b5\u03af\u03b1 \u03c4\u03bf\u03c5'
b = u'\u010deprav so mu doma\u010di in strici duhovniki odtegovali denarno pomo\u010d . Kljub temu mu je uspelo'
c = u'sovi\xe9ticas excepto Georgia , inclusive las 3 rep\xfablicas que hab\xedan'

我的最终目标是在反斜杠（和 spaces）上拆分，这样它看起来像这样：

split_a = [u03c3, u03c4, u03b7, u03bd, ,u03a0, u03bb, u03b1, u03c4, u03b5, u03af, u03b1, ,u03c4, u03bf, u03c5]
split_b = ['', 'u010deprav', 'so', 'mu', 'doma', 'u010di', 'in', 'strici',  'duhovniki' odtegovali denarno pomo', 'u010d', '.', 'Kljub', 'temu', 'mu', 'je', 'uspelo']
split_c = ['sovi', 'xe9ticas', 'excepto', 'Georgia', ',', 'inclusive', 'las', '3',  'rep', 'xfablicas', 'que', 'hab', 'xedan']

（有space和反斜杠的空白处完全可以）。

当我尝试使用此拆分时：

a.split("\")，它根本不改变字符串。

我看到了这个例子 here，这让我觉得我需要使我的字符串成为文字字符串（使用 r）。但是，我不知道如何将我的大字符串列表转换为所有文字字符串。

当我搜索它时，我得到了 here。但是，当我运行 a.encode('latin-1').decode('utf-8') 时，我的编译器会抛出一个错误。它抛出的错误是 'latin-1' codec can't encode characters in position 0-3: ordinal not in range(256)

所以，我的问题是：如何获取 unicode 字符串列表，以编程方式遍历它们并使它们成为字符串文字，然后用反斜杠拆分？

Answer 1

您有一个 Unicode 字符串，每个字符串元素已经有一个 Unicode 代码点。 '\' 只是打印到控制台的字符串的表示形式，不是实际内容。

用它制作一个数字列表实际上很容易：

split_a = [ord(c) for c in a]

如果你需要制作一堆由字母 u 后跟十六进制值组成的字符串，那只会稍微复杂一点：

split_a = ', '.join('u' + ('%04x' % ord(c)) for c in a)

Answer 2

您可以使用 unicode_escape 代码将 unicode 字符串转换为其转义表示形式。

split_a = a.encode('unicode_escape').split('\')

输出：

['',
 'u03c3',
 'u03c4',
 'u03b7',
 'u03bd ',
 'u03a0',
 'u03bb',
 'u03b1',
 'u03c4',
 'u03b5',
 'u03af',
 'u03b1 ',
 'u03c4',
 'u03bf',
 'u03c5']

如何将 unicode 字符串转换为 Python 中的文字字符串？

How to convert a unicode string to a literal string in Python?

python

string

unicode

encode

string-literals