编码日语字典键中的Unicode

Question

我刚刚开始通过Python2在日语中进行文本聚类。但是，当我基于这些日语单词/术语创建字典时，字典键变成Unicode而不是日语。代码如下：

# load data
allWrdMat10 = pd.read_csv("../../data/allWrdMat10.csv.gz", 
encoding='CP932') 

## Set X as CSR Sparse Matrix
X = np.array(allWrdMat10)
X = sp.csr_matrix(X)
## create dictionary
dict_index = {t:i for i,t in enumerate(allWrdMat10.columns)}
freqrank = np.array(dict_index.values()).argsort()
X_transform = X[:, freqrank < 1000].transpose().toarray()

allWrdMat10.columns的结果仍然是日语，如下所示：

Index([u'?', u'．', u'・', u'％', u'０', u'１', u'１０月', u'１１月', u'１２
月', u'１つ',
...
u'瀋陽', u'疆', u'盧', u'籠', u'絆', u'胚', u'諫早', u'趙', u'鉉', u'鎔
基'],dtype='object', length=8655)

但是，dict_index.keys()的结果为：

[u'u77edu9283',
 u'u5efau3066',
 u'u4f0a',
 u'u5e73u5b89',
 u'u6025u9a30',
 u'u897fu65e5u672c',
 u'u5e03u9663',
 ...]

有什么办法可以将日语单词/术语保留在字典键中？还是有什么办法可以将Unicodes转换回日语单词/术语？谢谢。

Answer 1

当您向解释器询问表达式的值时，它会计算值，然后输出其repr()。print语句(V2(或函数(V3(使用该值的str()。因此，如果我选择一个有问题的钥匙，然后询问我的解释器的价值是什么，我会得到您所看到的。但是，如果我 print，我会看到所需的日语字符：

>>> u'u77edu9283'
u'u77edu9283'
>>> print u'u77edu9283'
短銃

因此，您确实拥有所需的值，您只是不明白解释器正在使用不同的表示，保证在ASCII中表示。

Answer 2

您没有在python 2中以u为前缀。unicode_literals import unicode_literals