python unicode到原始文本字符时用作字符串而不是打印时

Question

我想要从方法中获取的 unicode 字符串，我希望看起来像原始文本字符而不是 unicode。

a=u'\u2018\u0997\u09c7\u09ae\u09bf\u0982 \u09aa\u09cd\u09b2\u09be\u099f\u09ab\u09b0\u09cd\u09ae\u2019 \u09a4\u09c8\u09b0\u09bf \u0995\u09b0\u09ac\u09c7 \u09ab\u09c7\u09b8\u09ac\u09c1\u0995'

print a #‘গেমিং প্লাটফর্ম’ তৈরি করবে ফেসবুক

打印总是有效，但我的用例不同。它正在打印的东西，我希望它把它放在我的 RESTful API 上，或者至少我想将它用作原始字符的字符串，如果我离开，我的客户将在 html 上使用它不会可以轻松使用它，我怀疑。

最终结果应该是这样的：

{title: ‘গেমিং প্লাটফর্ম’ তৈরি করবে ফেসবুক }

但是 json 转储是这样的：

json.dumps({'a': u})
'{"a": "\\\\u0996\\\\u09be\\\\u09b2\\\\u09bf\\\\u09df\\\\u09be\\\\u099c\\\\u09c1\\\\u09b0\\\\u09c0\\\\u09a4\\\\u09c7 \\\\u09a6\\\\u09c1\\\\u0987 \\\\u0997\\\\u09cd\\\\u09b0\\\\u09c1\\\\u09aa\\\\u09c7\\\\u09b0 \\\\u09b8\\\\u0982\\\\u0998\\\\u09b0\\\\u09cd\\\\u09b7\\\\u09c7 \\\\u09a8\\\\u09be\\\\u09b0\\\\u09c0\\\\u09b8\\\\u09b9 \\\\u0986\\\\u09b9\\\\u09a4 \\\\u09e7\\\\u09e6"}'

所以，我可能需要类似的东西，

blog={}
blog['title']= str(a) # or something else 

到目前为止我已经尝试过，但到目前为止没有运气：

>>> str(a) 

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-5: ordinal not in range(128)

>>> a.encode('utf-8')
'\xe2\x80\x98\xe0\xa6\x97\xe0\xa7\x87\xe0\xa6\xae\xe0\xa6\xbf\xe0\xa6\x82 \xe0\xa6\xaa\xe0\xa7\x8d\xe0\xa6\xb2\xe0\xa6\xbe\xe0\xa6\x9f\xe0\xa6\xab\xe0\xa6\xb0\xe0\xa7\x8d\xe0\xa6\xae\xe2\x80\x99 \xe0\xa6\xa4\xe0\xa7\x88\xe0\xa6\xb0\xe0\xa6\xbf \xe0\xa6\x95\xe0\xa6\xb0\xe0\xa6\xac\xe0\xa7\x87 \xe0\xa6\xab\xe0\xa7\x87\xe0\xa6\xb8\xe0\xa6\xac\xe0\xa7\x81\xe0\xa6\x95'

>>> a.encode('utf8')
'\xe2\x80\x98\xe0\xa6\x97\xe0\xa7\x87\xe0\xa6\xae\xe0\xa6\xbf\xe0\xa6\x82 \xe0\xa6\xaa\xe0\xa7\x8d\xe0\xa6\xb2\xe0\xa6\xbe\xe0\xa6\x9f\xe0\xa6\xab\xe0\xa6\xb0\xe0\xa7\x8d\xe0\xa6\xae\xe2\x80\x99 \xe0\xa6\xa4\xe0\xa7\x88\xe0\xa6\xb0\xe0\xa6\xbf \xe0\xa6\x95\xe0\xa6\xb0\xe0\xa6\xac\xe0\xa7\x87 \xe0\xa6\xab\xe0\xa7\x87\xe0\xa6\xb8\xe0\xa6\xac\xe0\xa7\x81\xe0\xa6\x95'

>>> a.__str__()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-5: ordinal not in range(128)

>>> a.decode('utf8')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.7/encodings/utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-5: ordinal not in range(128)

Answer 1

您误解了 Python 对象的 repr。文字字符串中的这些转义实际上在内部转换为当您 print 时 Python 显示的“真实”字符（也就是说，在内部，它为每个转义存储一个 Unicode 序号，而不是转义本身）。除非您需要特定编码中的原始字节（并且解码它是荒谬的；unicode 对象在 Py2 中具有该方法，但使用它通常是错误的，因为 unicode 是根据定义的，否则您不需要对其进行编码不是编码字节）。

基本上，只需使用您拥有的 unicode 对象，它就是您所期望的文本，当您使用交互式解释器时，它可能不会以这种方式显示（它与对象的 reprs 相呼应，它显示转义而不是实际字符，部分是为了确保如果您缺乏字体或语言支持来显示真实字符，它不会出错）。 Unicode 友好库将完全按照您期望的方式使用它，长度通常是字符数（在 Py2 中，在具有非 BMP 序数的 16 位 wchar 系统上，这可能不是真的，但通常是真的）。​​

也就是说，对于任何非 ASCII 密集型工作，我建议切换到 Python 3； Python 2 对 Unicode 的支持不太一致，并且有更多的差距和陷阱。许多第三方软件包，甚至一些内置软件包 (cough csv cough) 对 unicode 不友好，因此您最终需要明确地 encode使用它们，然后decode 他们的结果。