检测字符串中的“♪”答案

【问题标题】：Detecting "♪" in String检测字符串中的“♪”
【发布时间】：2015-03-30 02:30:05
【问题描述】：

如果之前已经发布过，我真的很抱歉，但我根本无法在网上找到答案。

我正在阅读字幕并希望排除主题曲/结尾。它们在行首用“♪”符号表示。我尝试使用 ASCII 值和 chr() 命令，但无法使其正常工作。

如果有人可以发布一种方法来查看“♪”符号何时在字符串中，那将不胜感激。

感谢您的宝贵时间。

【问题讨论】：

您能告诉我们您目前正在使用什么代码吗？
您使用的是 Python 2.x 还是 3.x？
你使用 python 3？是这样，你可以做a="♪gfdgsdfghgfh"; a.startswith("♪")。在 p3 中，字符串是 unicode。
'\xe2\x99\xaa' 是您角色的 Unicode 转义符
@jakekimds ：不，这是编码为 UTF-8 的字符 ♪。 b'\xe2\x99\xaa'.decode('utf8') 是 u'\u266a'。

标签： python string character ascii

【解决方案1】：

遍历输入字幕文件中的行并将那些不以u'\u266a' (♪) 开头的行写入输出文件。

对于 Python 2 和 3：

with open('file.srt') as subs, open('outfile.srt', 'w') as out:
    for line in subs:
        if not line.startswith(u'\u266a'):
            out.write(line)

如果你想在任何地方找到包含 ♪ 的行，只需使用 in：

if not u'\u266a' in line:

这当然会删除以 ♪ 开头的所有行，而不仅仅是歌曲结尾的那些。它甚至可能无效，因为不同的字幕文件格式做的事情不同。仅删除那些字幕行需要知道播放主题曲的时间范围，并且这需要知道字幕文件格式，因为时间码表示不同。例如，SRT 文件的每个字幕包含多行，如下所示：

3 00:01:25,640 --> 00:01:27,510 再深入一点... 4 00:01:28,160 --> 00:01:29,700 ..我们死了。

所以现在你需要检测以 ♪ 开头的行，然后备份并删除前面的 2 行，并删除以下行。我不是文件格式方面的专家......第一行看起来像一个序列号，我不知道它是否必须是连续的。在这种情况下，通常更容易将整个文件读入一个列表，然后处理该列表。

无论如何，现在您知道如何检测以特定 unicode 字符开头的行，因此您可以从那里着手。

【讨论】：

对 SRT 文件的快速测试表明，至少对于 mplayer，仅删除字幕文本行并将前面的行保留在原处有效 - 实际上它是一个空白字幕。

【解决方案2】：

def find_music_in_string(my_string):
    for char in my_string:
        if ord(char) == 9834:
            print 'i have found you ' + char

find_music_in_string(u'\u266a')

ord()得到一个char的int值，♪的值为9832。

【讨论】：

使用 in 而不是在 Python 中循环。而且你不需要使用ord()...只需使用u"\u266a"，即if u'\u266a' in my_string: print u'i have found you \u266a'
@mhawke 有没有办法在某个时候修改字符？不仅是查找是否有'♪'。
在您的代码中，无法修改正在搜索的字符。如果需要，请将其作为参数传递给函数，然后您可以这样做：if char in my_string: print u'i have found you {}'.format(char)

【解决方案3】：

"♪" 不在 ASCII 字符集中。它是 IBM PC 上使用的字体，位于位置 13 (0x0D)。在 unicode 字符集中，它位于位置 0x266A，因此在 Python 中您可以使用 u"\u266A"。如果您指定源文件的编码，您可以在字符串中包含任何字符：

# -*- coding: utf-8 -*-
print("♪")

请注意，还有一个问题：如果输出代码页无法编码该字符，python 会引发异常：

print("\u266A")

UnicodeEncodeError: 'charmap' codec can't encode character '\u266a' in position 0: character maps to <undefined>

如果您想打印到控制台，在 python 3.4 中（可能更早，但不是在 python 2.7 中）您可以通过在启动程序之前更改代码页（例如执行 chcp 65001）来解决此问题。

【讨论】：