python - 当我看到特殊的 eol 字符时，如何使用 Python 识别它？

Question

我正在使用 Python 抓取一组原始 pdf 文件。让他们发短信后，我很难弄清楚行尾。我无法弄清楚行分隔符是什么。问题是，我还是不知道。

这不是'\n'，或者，我不认为是'\r\n'。然而，我已经成功地分离出这些特殊字符之一。我确实将其保存在内存中，通过调用 my_str.replace(eol, '')，我可以从我的一个文件中删除所有这些字符。

所以我的问题是开放式的。当谈到unicode之类的时候我有点迷失了。如何在我的文件中识别这个字符而不诉诸一些荒谬的事情，比如序列化它然后读入它？有没有办法我可以将其作为代码引用？我无法让 Python 产生它实际上是什么。如果我打印它，或者调用 unicode(special_eol) ，我所看到的只是其功能用法中的字符作为换行符。

请帮忙!谢谢，如果我遗漏了一些明显的东西，抱歉。

Answer 1

要确定具体是什么字符，您可以使用 str.encode('unicode_escape') 或 repr()获取(在 Python 2 中)字符的 ASCII 可打印表示形式:

>>> print u'☃'.encode('unicode_escape')
\u2603
>>> print repr(u'☃')
u'\u2603'