编码 python utf-8 拆分

Question

我有一个变量：

age_expectations = dictionary['looking_for']['age']
print type(age_expectations), age_expectations

输出是：

<type 'unicode'> 22‑35

当我试图用破折号拆分它时，我遇到了以下问题：

res = age_expectations.split('-')
print res

输出如下：

[u'22\u201135']

代替：

["22", "35"]

有什么问题？我已经尝试了许多编码和解码，但不确定它是如何工作的。问题是否来自分裂？

Answer 1

使用unicode拆分unicodelike，

>>> u_code = u'\u0032\u0032\u2011\u0033\u0035'
>>> print u_code
22‑35
>>> u_code.split('-')
[u'22\u201135']
>>> u_code.split(u'\u2011')
[u'22', u'35']
>>>

Answer 2

从代码中可以看出，age_expectations 变量中的连字符是 unicode U+2011 字符，而不是标准的“-”连字符。如果你打印了变量的表示，你会从一开始就看到它：

>>> uu = u"22\u201135"
>>> print uu
22‑35
>>> print repr(uu)
u'22\u201135'
>>> 

因此，您需要将u"\u2011" 字符替换为一个简单的连字符（如果您的数据中可以包含其中任何一个），或者只需将字符串拆分为u"\u2011"（如果您确定将总是将此作为分隔符）。