10

フランス語と英語の文字を含む単語を含むファイルからデータを読み取っています。考えられるすべての英語とフランス語の文字 (文字列として保存) のリストを作成しようとしています。私は以下のコードでこれを行います：

# encoding: utf-8
def trackLetter(letters, line):
    for a in line:
        found = False;
        for b in letters:
            if b==a:
                found = True
        if not found:
            letters += a

cur_letters = []; # for storing possible letters

data = urllib2.urlopen('https://duolinguist.wordpress.com/2015/01/06/top-5000-words-in-french-wordlist/', 'utf-8')
for line in data:
    trackLetter(cur_letters, line)
    # works if I print here

print cur_letters

このコードは以下を出力します。

['t', 'h', 'e', 'o', 'f', 'a', 'n', 'd', 'i', 'r', 's', 'b', ' y'、'w'、'u'、'm'、'l'、'v'、'c'、'p'、'g'、'k'、'x'、'j'、'z' , 'q', '\xc3', '\xa0', '\xaa', '\xb9', '\xa9', '\xa8', '\xb4', '\xae', '-', ' \xe2', '\x80', '\x99', '\xa2', '\xa7', '\xbb', '\xaf']

私が UTF エンコーディングを指定したにも関わらず、ASCII へのある種の変換で明らかにフランス語の文字が失われました! 奇妙なことに、行を直接印刷すると (コメントとして表示されます)、フランス語の文字が完全に表示されます!

é, è, ê, etc.これらの文字 ( ) を保持したり、元のバージョンに戻すにはどうすればよいですか?

4

2 に答える 2

7

それらは失われるのではなく、リストを印刷するときにエスケープされるだけです。

Python 2 でリストを印刷すると、__str__個々の項目ではなくリスト自体のメソッドが呼び出され、リストの__str__メソッドは非 ASCII 文字をエスケープします。詳細については、この優れた回答を参照してください。

str(リスト) はどのように機能しますか?

次のスニペットは、この問題を簡潔に示しています。

char_list = ['é', 'è', 'ê']
print(char_list)
# ['\xc3\xa9', '\xc3\xa8', '\xc3\xaa']

print(', '.join(char_list))
# é, è, ê
于 2016-11-24T20:33:45.110 に答える
-1

理想的な答えではありませんが、回避策として、フランス語の文字を手動で追加することもできます。

french_letters = ['é',
        'à', 'è', 'ù',
        'â', 'ê', 'î', 'ô', 'û',
        'ç',
        'ë', 'ï', 'ü']

all_letters = cur_letters + french_letters
于 2016-11-24T21:49:55.147 に答える