在 Python 中将 unicode 字符串压缩在一起

Question

我有字符串：

a = "ÀÁÂÃÈÉÊËÌÍÎÏÒÓÔÕÖÙÚÛÜ" b = "àáâãäèéçêëìíîïòóôõöùúûüÿ"

我想创建字符串

"ÀàÁáÂâ..."

即将字符串分成两半，然后将两半压缩在一起。

我尝试了天真的zip(a, b)，但这没有用。我认为这是由于 unicode 的问题。

有人知道我怎样才能得到我想要的结果吗？

Answer 1

也许不漂亮，但很实用。

>>> a_longer = len(a) > len(b)
>>> new_string = ""
>>> for i in range((min(len(a), len(b)))):
...     new_string += a[i] + b[i]
... 
>>> if a_longer:
...     new_string += a[i:]
... else:
...     new_string += b[i:]
... 
>>> print new_string
ÀàÁáÂâÃãÈäÉèÊéËçÌêÍëÎìÏíÒîÓïÔòÕóÖôÙõÚöÛùÜúúûüÿ

或者，使用 zip：

>>> a = u'ÀÁÂÃÈÉÊËÌÍÎÏÒÓÔÕÖÙÚÛÜ'
>>> b = u'àáâãäèéçêëìíîïòóôõöùúûüÿ'
>>> c = zip(a, b)
>>> new_string = "".join([a + b for a, b in c])
>>> print new_string
ÀàÁáÂâÃãÈäÉèÊéËçÌêÍëÎìÏíÒîÓïÔòÕóÖôÙõÚöÛùÜú

但请注意，zip 方法不会为您提供 'b' 字符串的其余部分，因为它在 'a' 字符串中没有一对。

Answer 2

你必须在压缩它们之后加入它们，并且你需要将它们定义为 unicode 字符串：

>>>import itertools
>>>a = u"ÀÁÂÃÈÉÊËÌÍÎÏÒÓÔÕÖÙÚÛÜ"
>>>b = u"àáâãäèéçêëìíîïòóôõöùúûüÿ"
>>>zipped = itertools.izip_longest(a,b, fillvalue="")
>>>print "".join(["".join(x) for x in zipped])

ÀàÁáÂâÃãÈäÉèÊéËçÌêÍëÎìÏíÒîÓïÔòÕóÖôÙõÚöÛùÜúûüÿ

>>>zipped = itertools.izip_longest(a,b, fillvalue="")
>>>print "".join(map("".join, zipped))

ÀàÁáÂâÃãÈäÉèÊéËçÌêÍëÎìÏíÒîÓïÔòÕóÖôÙõÚöÛùÜúûüÿ

Answer 3

这对我有用（Python 2.x）：

>>> a = unicode('ÀÁÂÃÈÉÊËÌÍÎÏÒÓÔÕÖÙÚÛÜ', 'utf-8')
>>> b = unicode('àáâãäèéçêëìíîïòóôõöùúûüÿ', 'utf-8')
>>> print ''.join([ ''.join(c) for c in zip(a, b)])
ÀàÁáÂâÃãÈäÉèÊéËçÌêÍëÎìÏíÒîÓïÔòÕóÖôÙõÚöÛùÜú

你有什么错误？

Answer 4

在 Python 2.x 中，默认情况下字符串不是 unicode。在处理 unicode 数据时，必须做到以下几点：

• 字符串文字前缀为u 字符：a = u'ÀÁÂÃÈÉÊËÌÍÎÏÒÓÔÕÖÙÚÛÜ'，或

1234563 /p>

• 如果您直接在 Python 代码中编写 unicode 字符串文字，将 .py 文件保存为 utf-8 格式，以便正确解释文字。 Python 2.3+ 将解释 utf-8 BOM ；一个好的做法也是在文件开头以add a specific comment line 指示编码，如# -*- coding: utf-8 -*-，或

• 您也可以继续将 .py 文件保存在 ascii 中，但您需要转义文字中的 unicode 字符，这可能不太可读：'ÀÁÂÃ' 应该变成'\xc0\xc1\xc2\xc3'

一旦满足这些条件，剩下的就是对这些 un​​icode 字符串应用算法，就像使用 str 版本一样。以下是解决 __future__ 导入问题的一种可能解决方案：

from __future__ import unicode_literals

from itertools import chain
a = "ÀÁÂÃÈÉÊËÌÍÎÏÒÓÔÕÖÙÚÛÜ"
b = "àáâãäèéçêëìíîïòóôõöùúûüÿ"

print ''.join(chain(*zip(a,b)))

>>> ÀàÁáÂâÃãÈäÉèÊéËçÌêÍëÎìÏíÒîÓïÔòÕóÖôÙõÚöÛùÜú

更多参考资料：

• PEP 263 定义了非ascii编码的cmets
• PEP 3120 将 utf-8 定义为 Python 3 中的默认编码