列出文件中的unicode单词

Question

我的代码是

f = codecs.open(r'C:UsersAdminDesktopnepali.txt', 'r', 'UTF-8')
nepali = f.read().split()
for i in nepali:
    print i

显示文件中的单词：

यो
किताब
टेबुल
मा
छ
यो
एक
किताब
हो
केटा

但当我试图用代码创建一个单词列表时：

file=codecs.open(r'C:UsersAdminDesktopnepali.txt', 'r', 'UTF-8')
nepali = list(file.read().split())
print nepali

输出现在显示为类似

[u'ufeffu092fu094b', u'u0915u093fu0924u093eu092c', u'u091fu0947u092cu0941u0932', u'u092eu093e', u'u091b', u'u092fu094b', u'u090fu0915', u'u0915u093fu0924u093eu092c', u'u0939u094b',]

输出应该看起来像：

[यो, किताब, टेबुल, मा, छ,यो, एक, किताब, हो]

Answer 1

您正在查看repr()函数的输出，该函数始终用于显示容器的内容。输出用于调试，而不是最终用户显示；任何不可打印的非ASCII码点都由转义序列表示（根据码点的不同，可以是像t或n这样的单字符转义，也可以使用2、4或8个十六进制数字，如xe5、u2603或U0001f4e2）。

您必须手动生成输出：

print u'[{}]'.format(u', '.join(nepali))

这将生成一个格式类似列表对象的unicode字符串，但不使用repr()，只需在字符串周围添加方括号，并用', '（逗号和空格）连接即可。

演示：

>>> nepali = [u'ufeffu092fu094b', u'u0915u093fu0924u093eu092c', u'u091fu0947u092cu0941u0932', u'u092eu093e', u'u091b', u'u092fu094b', u'u090fu0915', u'u0915u093fu0924u093eu092c', u'u0939u094b',]
>>> print u'[{}]'.format(u', '.join(nepali))
[यो, किताब, टेबुल, मा, छ, यो, एक, किताब, हो]

然而，如果你想向最终用户展示这一点，为什么要使用方括号呢？