python - python中dict中存储外语文本时的解码/编码问题

Question

我用Python抓取了外语(韩语)文本，并将其存储在字典中。

单独的文本打印到终端就好了，但是字典打印如下:

{'标题': u'\uc138\ubbf8\ub098\ud6c4\uae30'}

我该如何解决这个问题？

# -*- coding: utf-8 -*-

titleReponse = soupResponse.find('div','title').get_text()
print(titleReponse)
collected = {"title":titleReponse}
print(collected)

Answer 1

它只是 Python 2 下 Unicode 字符串的内部 __repr__ 表示。正如您已经注意到的，打印它显示了正确的文本:

>>> dict = {'title': u'\uc138\ubbf8\ub098 \ud6c4\uae30'}
>>> dict
{'title': u'\uc138\ubbf8\ub098 \ud6c4\uae30'}
>>> dict['title']
u'\uc138\ubbf8\ub098 \ud6c4\uae30'
print dict['title']
세미나 후기

您根本不必担心内部表示。。是的，对于没有控制代码的纯 ASCII 字符串，它等于打印的内容。但有这样的事情是完全正常的:

>>> str = '123\n456'
>>> str
'123\n456'
>>> print str
123
456

内部字符串的表示形式又与 print 输出的内容不同。

如果您要大量使用 Unicode 字符串，最好的办法是升级到 Python 3。它对 Unicode 的支持非常出色。一个令人高兴的副作用是，在这种情况下，Unicode 字符串显示得更好(不是“正确”，而是“更好”——这是有区别的 😄):

>>> dict = {'title': u'\uc138\ubbf8\ub098 \ud6c4\uae30'}
>>> dict
{'title': '세미나 후기'}