Skip to main content
 首页 » 编程设计

python之从列表中的每个项目中提取整数和 unicode

2024年11月01日7tuyile006

我正在做我的语言学项目(语言是马拉雅拉姆语)。

我的 list 是

x= [u'1\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d', u'5\u0d05\u0d35\u0d28\u0d4d\u200d']   

我想从列表中的每个项目中提取整数和 unicode。

预期的输出是

1 \u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200   
5 \u0d05\u0d35\u0d28\u0d4d\u200d 

首先我尝试将第一项 x[0] 转换为 ascii

print unicodedata.normalize('NFKD',x[0]).encode('ascii','ignore')  

输出为 1 。

我认为生成此输出是因为列表中的 unicode 用于马拉雅拉姆语。

然后我试着找到“\u”的第一个索引,比如

x[0].index("\u") 

执行此操作时出错。

请您参考如下方法:

字符序列 \uXXXX 表示单个 unicode 字符,而不是字符串中的字符序列。

可以得到预期的输出如下:

for i in x: 
    print int(i[0]), repr(i[1:])[2:-1] 

(假设整数只有一位)

对于更一般的情况,一种解决方案是使用正则表达式提取整数:

import re 
for i in x: 
    s = re.match('([0-9]+)', i).group(1) 
    print int(s), repr(i[len(s):])[2:-1]