PyYaml

Question

我正在处理 yaml 文件，这些文件必须是人类可读和可编辑的，但也可以通过 Python 代码进行编辑。我正在使用 Python 2.7.3

文件需要处理重音符号（主要是为了处理法语文本）。

这是我的问题示例：

import codecs
import yaml

file = r'toto.txt'

f = codecs.open(file,"w",encoding="utf-8")

text = u'héhéhé, hûhûhû'

textDict = {"data": text}

f.write( 'write unicode     : ' + text + '\n' )
f.write( 'write dict        : ' + unicode(textDict) + '\n' )
f.write( 'yaml dump unicode : ' + yaml.dump(text))
f.write( 'yaml dump dict    : ' + yaml.dump(textDict))
f.write( 'yaml safe unicode : ' + yaml.safe_dump(text))
f.write( 'yaml safe dict    : ' + yaml.safe_dump(textDict))

f.close()

写入的文件包含：

write unicode     : héhéhé, hûhûhû
write dict        : {'data': u'h\xe9h\xe9h\xe9, h\xfbh\xfbh\xfb\n'}

yaml dump unicode : "h\xE9h\xE9h\xE9, h\xFBh\xFBh\xFB"
yaml dump dict    : {data: "h\xE9h\xE9h\xE9, h\xFBh\xFBh\xFB"}

yaml safe unicode : "h\xE9h\xE9h\xE9, h\xFBh\xFBh\xFB"
yaml safe dict    : {data: "h\xE9h\xE9h\xE9, h\xFBh\xFBh\xFB"}

yaml 转储非常适合加载 yaml，但它不是人类可读的。

正如您在示例代码中看到的，当我尝试编写一个 dict 的 unicode 表示时，结果是相同的（我不知道它是否相关）。

我希望转储包含带重音的文本，而不是 unicode 代码。这可能吗？

Answer 1

yaml 能够通过向任何转储程序提供 allow_unicode=True 关键字参数来转储 unicode 字符。如果您不提供文件，您将从 dump() 方法返回一个 utf-8 字符串（即 getvalue() 在 StringIO() 实例上的结果，该实例是为保存转储而创建的数据），你必须先将其转换为 utf-8，然后再将其附加到你的字符串

# coding: utf-8

import codecs
import ruamel.yaml as yaml

file_name = r'toto.txt'

text = u'héhéhé, hûhûhû'

textDict = {"data": text}

with open(file_name, 'w') as fp:
    yaml.dump(textDict, stream=fp, allow_unicode=True)

print('yaml dump dict 1   : ' + open(file_name).read()),

f = codecs.open(file_name,"w",encoding="utf-8")
f.write('yaml dump dict 2   : ' + yaml.dump(textDict, allow_unicode=True).decode('utf-8'))
f.close()
print(open(file_name).read())

输出：

yaml dump dict 1    : {data: 'héhéhé, hûhûhû'}
yaml dump dict 2    : {data: 'héhéhé, hûhûhû'}

我用我的增强版 PyYAML (ruamel.yaml) 对此进行了测试，但这在 PyYAML 本身中应该是一样的。

Answer 2

更新 (2020)

如今，PyYaml 可以轻松地使用 Python 处理 unicode 3，但是这需要 allow_unicode=True 参数：

import yaml
d = {'a': 'héhéhé', 'b': 'hühühü'}
yaml_code = yaml.dump(d, allow_unicode=True, sort_keys=False)
print(yaml_code)

将导致：

a: héhéhé
b: hühühü

注意：自Python 3.6 起应使用sortkeys=False 参数，以保持字典的键不变。 PyYaml 传统上对键进行排序，因为 Python 字典没有明确的顺序。即使自 Python 3.6 以来已经订购了字典键；并且 officially since 3.7，PyYaml 默认保留排序键。

PyYaml - 转储带有特殊字符（即重音符号）的 unicode

PyYaml - Dump unicode with special characters ( i.e. accents )

python

unicode

yaml

non-ascii-characters

更新 (2020)