Python：打印存储为变量的Unicode字符串

Question

在Python（3.5.0）中，我想在屏幕或文件中打印一个包含igigunicode符号（更准确地说是从Wiktionary以JSON格式检索的IPA符号）的字符串到屏幕或文件中，例如

print("\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n")

正确打印

?w??t??m?l?n

-但是，每当我在变量中使用字符串时，例如

ipa = '\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'
print(ipa)

它只是按原样打印出字符串，即

\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n

这没有太大帮助。

我尝试了几种避免这种情况的方法（例如通过deocde/ encode），但是没有一种方法可以帮助您。

我不能合作

u'\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'

要么因为我已经将字符串作为变量检索（作为正则表达式匹配的结果），而且在我的代码中没有任何地方输入实际的文字。

也可能是我在从JSON结果进行转换的过程中犯了一个错误；到目前为止，我已经使用将该字节流转换为字符串str(f.read())，通过正则表达式提取了IPA部分（并在双反斜杠上进行了替换）并将其存储在字符串变量中。

编辑：
这是我到目前为止的代码：

def getIPAen(word):
    url = "https://en.wiktionary.org/w/api.php?action=query&titles=" + word + "&prop=revisions&rvprop=content&format=json"
    jsoncont = str((urllib.request.urlopen(url)).read())
    jsonmatch = re.search("\{IPA\|/(.*?)/\|", jsoncont).group(1)
    #print("jsomatch: " + jsonmatch)
    ipa = jsonmatch.replace("\\\\", "\\")
    #print("ipa: " + ipa)
    print(ipa)

修改后json.loads：

def getIPAen(word):
    url = "https://en.wiktionary.org/w/api.php?action=query&titles=" + word + "&prop=revisions&rvprop=content&format=json"
    jsoncont = str((urllib.request.urlopen(url)).read())
    jsonmatch = re.search("\{IPA\|/(.*?)/\|", jsoncont).group(1)
    #print("jsonmatch: " + jsonmatch)
    jsonstr = "\"" + jsonmatch + "\""
    #print("jsonstr: " + jsonstr)
    jsonloads = json.loads(jsonstr)
    #print("jsonloads: " + jsonloads)
    print(jsonloads)

对于两个版本，当使用

getIPAen("watermelon")

我得到的是：

\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n

有什么方法可以将字符串打印/写入为已解码状态，即使作为变量传递也是如此？

Answer 1

您没有此值：

ipa = '\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'

因为该值可以正常打印：

>>> ipa = '\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'
>>> print(ipa)
?w??t??m?l?n

您至少具有文字\和u字符：

ipa = '\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n'

这些\\序列各为一个反斜杠，但已转义。由于这是JSON，因此该字符串可能还会被双引号引起来：

ipa = '"\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n"'

由于该字符串带有文字反斜杠，因此正好打印出来：

>>> ipa = '"\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n"'
>>> print(ipa)
"\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n"
>>> ipa[1]
'\\'
>>> print(ipa[1])
\
>>> ipa[2]
'u'

注意回显的值如何显示可以复制并粘贴回Python的字符串文字，因此该\字符将再次为您转义。

该值是有效的JSON，它也使用\uhhhh转义序列。将其解码为JSON：

import json

print(json.loads(ipa))

现在您有了一个适当的Python值：

>>> import json
>>> json.loads(ipa)
'?w??t??m?l?n'
>>> print(json.loads(ipa))
?w??t??m?l?n

请注意，在Python 3中，即使为您创建文字，几乎所有代码点都直接打印repl()。该json.loads()结果直接显示在值中的所有文本，即使大多数是非ASCII。

此值不包含文字反斜杠或u字符：

>>> result = json.loads(ipa)
>>> result[0]
'?'
>>> result[1]
'w'

附带说明一下，在调试此类问题时，您确实要使用repr()和ascii()函数，以便获得可正确再现字符串值的表示形式：

>>> print(repr(ipa))
'"\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n"'
>>> print(ascii(ipa))
'"\\u02c8w\\u0254\\u02d0t\\u0259\\u02ccm\\u025bl\\u0259n"'
>>> print(repr(result))
'?w??t??m?l?n'
>>> print(ascii(result))
'\u02c8w\u0254\u02d0t\u0259\u02ccm\u025bl\u0259n'

请注意，只有ascii()在实际Unicode代码点超出Latin-1范围的字符串上，才会产生实际的\uhhhh转义序列。（对于repl()输出，\uhhhh如果您的终端或控制台无法处理特定字符，Python仍然可以转义）。

至于您的更新，只需将整个响应解析为JSON，然后从中加载正确的数据。你的代码，而不是转换bytes响应体的repr()（在str()上个字节调用并没有对数据进行解码，而不是你的双逃脱逃脱这种方式）。将网络中的字节解码为UTF-8，然后将该数据提供给json.loads()：

import json
import re
import urllib.request
from urllib.parse import quote_plus


baseurl = "https://en.wiktionary.org/w/api.php?action=query&titles={}&prop=revisions&rvprop=content&format=json"

def getIPAen(word):
    url = baseurl.format(quote_plus(word))
    jsondata = urllib.request.urlopen(url).read().decode('utf8')
    data = json.loads(jsondata)
    for page in data['query']['pages'].values():
        for revision in page['revisions']:
            if 'IPA' in revision['*']:
                ipa = re.search(r"{IPA\|/(.*?)/\|", revision['*']).group(1)
                print(ipa)

请注意，我还要确保在URL查询字符串中引用该word值。

上面列出了找到的所有IPA：

>>> getIPAen('watermelon')
?w??t??m?l?n
>>> getIPAen('chocolate')
?t??k(?)l?t