python - unicode减号的转换(来自matplotlib ticklabels)

Question

我对 matplotlib 用来表示刻度标签的文本对象有问题。

出于测试原因，我需要检查绘图中创建的刻度标签的值。如果标签是字符串或正数，则没有问题:返回一个 unicode 字符串，我对其进行测试(或根据情况将其转换为数字)，一切正常。

但如果标签是负数，我得到的是一个损坏的 unicode 字符串，原因我无法理解。

让我们来看这个示例代码:

import pylab as plt
fig, ax = plt.subplots(1)
ax.plot([-1, 0, 1, 2], range(4))
labels = ax.get_xticklabels()

现在，如果我询问第二个标签(0)的文本内容，我会得到一个普通的 unicode 字符串:

labels[1].get_text()
# u'0.0'

但是第一个(-1)的unicode是个奇怪的东西

labels[1].get_text()
# u'\u22121'

这在终端中打印正确，但在这种情况下，我需要用一个数值来处理它，每次转换都失败，int 和 float。

我尝试将其转换为 UTF-8 字符串

text = labels[1].get_text()
text.encode('utf8')
# '\xe2\x88\x921'

但它又是正确打印的东西，并在转换时引发错误。我也查看了 unicodedata 模块，但看起来它只能转换单个字符，所以在这种情况下是无用的。我也尝试过使用 unicodedata.normalize 和任何可能的格式规范化字符串，但还是没有成功。

我移动到 pipy 模块 unidecode(如 Python and character normalization 中的建议)，同样没有成功

from unidecode import unidecode
unidecode(text)
# '[?]1'

我也尝试使用 Non-ASCII characters in Matplotlib 中的解决方案来避免字体问题，但结果相同(我不确定它是否应该做点什么，因为这是一个可视化问题......)。问题Accented characters in Matplotlib也有类似的问题，关注的是可视化而不是值(value)本身

我开始感到有点迷茫...我知道 python 2.7 有一些 unicode“困难”，但通常我可以通过某种方式避免它们。

我知道问题出在减号上，因为我可以使用粗暴替换罪魁祸首来避免这个问题:

text.replace(u'\u2212', '-')
# u'-1'

但这与其说是解决方案，不如说是 hack，而且我几乎可以肯定它在不同系统中不稳定，所以我想要更接近解决方案的东西。

我在工作

• python 2.7.3
• matplotlib 1.2.0
• pylab 1.7.0
• IPython 0.13.1

在 Kubuntu 12.10 上。

非常感谢您的帮助!

编辑:

更正了情节的顺序，因为我把 x 和 y 颠倒了，抱歉

编辑2:

此链接中有类似的信息:http://www.coniferproductions.com/2012/12/17/unicode-character-dump-in-python/

最后，它展示了在某些书籍中使用的减号如何在美学上更令人愉悦，但 python 解释器却不将其识别为有效字符。

编辑3:

谜语已解。 matplotlib 返回的字符是“减号”，即减号的正确打印符号。键盘创建的那个实际上是“HYPHEN-MINUS”，这是常用的但在排版上不正确。在维基百科上查看解释 http://en.wikipedia.org/wiki/Hyphen-minus .

因此，我使用的简单替换实际上是正确的实际做法，但“道德上”是 python(2.7 和 3.x 类似)中的错误，无法识别减号的正确符号。

请参阅 http://bugs.python.org/issue6632 中的错误跟踪

编辑4:

要禁用此行为，matplotlib 上有一个简单的解决方案，只需在 .matplotlibrc 中或以编程方式修改 rcparams。

import matplotlib as mpl
mpl.rcParams['axes.unicode_minus']=False

Answer 1

所有有效的 unicode 字符都有名称。我们可以检查名称中已识别的数字词 (DIGIT.keys())，并在此基础上用“普通”数字字符 (DIGIT.values()) 替换给定的unicode 标签:

import matplotlib.pyplot as plt
import unicodedata as UD

DIGIT = {
    'MINUS': u'-',
    'ZERO': u'0',
    'ONE': u'1',
    'TWO': u'2',
    'THREE': u'3',
    'FOUR': u'4',
    'FIVE': u'5',
    'SIX': u'6',
    'SEVEN': u'7',
    'EIGHT': u'8',
    'NINE': u'9',
    'STOP': u'.'
    }

def guess(unistr):
    return ''.join([value for u in unistr
                    for key,value in DIGIT.iteritems()
                    if key in UD.name(u)])

fig, ax = plt.subplots(1)
ax.plot([-1, 0, 1, 2], range(4))
plt.savefig('/tmp/test.png')
labels = ax.get_xticklabels()
for label in labels:
    label = label.get_text()
    print(guess(label))

产量

-1.0
-0.5
0.0
0.5
1.0
1.5
2.0