Unicode搜索不工作
考虑一下这个。
# -*- coding: utf-8 -*-
data = "cdbsb \xe2\x80\xa6 abc"
print data
#prints cdbsb … abc
^
print re.findall(ur"[\u2026]", data )为什么re找不到这个unicode字符？我已经查过了
\xe2\x80\xa6 === … === U+2026回答 4
Stack Overflow用户
发布于 2015-10-09 08:37:53
如果您浏览了纳赫特提供的链接
您可以看到原始字符串在bytes中，我们正在搜索unicode。所以这根本不应该起作用。
encode()：从Unicode→字节中获取decode()：从字节中获取→Unicode
接下来，我们可以用两种方法来解决这个问题。
# -*- coding: utf-8 -*-
data = "cdbsb \xe2\x80\xa6 abc".decode("utf-8") #convert to unicode
print data
print re.findall(ur"[\u2026]", data )
print re.findall(ur"[\u2026]", data )[0].encode("utf-8") #compare with unicode byte string and then reconvert to bytes for print
data1 = "cdbsb \xe2\x80\xa6 abc" #let it remain bytes
print data1
print re.findall(r"\xe2\x80\xa6", data1 )[0] #search for bytesStack Overflow用户
发布于 2015-10-09 06:27:10
我猜问题是因为data是一个字节字符串。您可能将控制台编码为utf-8，因此在打印字符串时，控制台会将字符串转换为utf-8，然后显示它(您可以在sys.stdout.encoding中查看这个字符串)。因此，您得到的字符- …。
但最有可能的是，re不会为您进行这种解码。
如果将data转换为utf-8编码，则在使用re.findall时将获得所需的结果。例子-
>>> data = "cdbsb \xe2\x80\xa6 abc"
>>> print re.findall(ur"[\u2026]", data.decode('utf-8') )
[u'\u2026']Stack Overflow用户
发布于 2015-10-09 08:03:14
data是str类型，包含具有十六进制值的字符。但是搜索词是unicode类型的。打印函数将默认值转换为sys.stdout.encoding。当我试图按原样打印data时，输出与data.decode('utf-8')不同。我正在使用Python2.7
data = "cdbsb \xe2\x80\xa6 abc"
search = ur"[\u2026]"
print sys.stdout.encoding
## windows-1254
print data, type(data)
## cdbsb … abc <type 'str'>
print data.decode(sys.stdout.encoding)
## cdbsb … abc
print data.decode('utf-8')
## cdbsb … abc
print search, type(search)
## […] <type 'unicode'>
print re.findall(search, data.decode('utf-8'))
## [u'\u2026']https://stackoverflow.com/questions/33031009
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号