如何在python中返回非Ascii字母的str表示

Question

我有一个代码 sn-p 可以将葡萄牙语文本与数字分开。代码是：

import re
def name():
    text = u'Obras de revisão e recuperação (45453000-7)'
    splits = text.split(u" (")
    return(str(splits[0].encode("utf8")))
name()

输出为：'Obras de revis\xc3\xa3o e recupera\xc3\xa7\xc3\xa3o'

但是当我写的时候

print(splits[0].encode("utf8"))

输出将是：Obras de revisão e recuperação，这是我想要的结果。

但它不适用于返回函数。我阅读了difference between __str__ and __repr__，但我仍然不知道如何通过函数内部的返回获得与__str__ 相同的输出。

Answer 1

你想多了。您使用unicode 文字来创建您的unicode 对象，然后您的splits 列表将包含unicode 对象：

In [4]: def name():
   ...:     text = u'Obras de revisão e recuperação (45453000-7)'
   ...:     splits = text.split(u" (")
   ...:     return splits
   ...:

In [5]: splits = name()

In [6]: splits
Out[6]: [u'Obras de revis\xe3o e recupera\xe7\xe3o', u'45453000-7)']

当list 打印到屏幕上时，使用list 中包含的对象的__repr__。但是，如果你想要__str__，只需使用print：

In [7]: for piece in splits:
   ...:     print(piece)
   ...:
Obras de revisão e recuperação
45453000-7)

注意，.encode 返回一个字节串，即一个常规的、非unicode Python 2 str。在它上面调用str本质上是身份函数，当你encode它时它已经是str了：

In [8]: splits[0].encode('utf8')
Out[8]: 'Obras de revis\xc3\xa3o e recupera\xc3\xa7\xc3\xa3o'

In [9]: str(splits[0].encode('utf8'))
Out[9]: 'Obras de revis\xc3\xa3o e recupera\xc3\xa7\xc3\xa3o'

你真的应该考虑使用 Python 3，它可以简化这一点。 Python 3 中的str 对应于Python 2 的unicode，Python 2 的str 对应于Python 3 的bytes 对象。

所以，澄清一下，你的 name 函数应该像这样工作：

In [16]: def name():
    ...:     text = u'Obras de revisão e recuperação (45453000-7)'
    ...:     splits = text.split(u" (")
    ...:     return splits[0]
    ...:

In [17]: print(name())
Obras de revisão e recuperação