为什么我不能在python中交换unicode字符

Question

为什么我不能在代码中交换unicode字符？

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

character_swap = {'ą': 'a', 'ż': 'z', 'ó': 'o'} 

text = 'idzie wąż wąską dróżką' 

print text 

print ''.join(character_swap.get(ch, ch) for ch in text) 

OUTPUT：idzie WAZwąskądróżką

预期输出：idzie WAZ waska drozka

Answer 1

你需要编码，你第一个文本，然后再进行解码的人物：

>>> print ''.join(character_swap.get(ch.encode('utf8'), ch) for ch in text.decode('utf8')) 
idzie waz waska drozka 

其因的Python列表理解不默认编码你的Unicode，实际上你在做她的是：

>>> [i for i in text] 
['i', 'd', 'z', 'i', 'e', ' ', 'w', '\xc4', '\x85', '\xc5', '\xbc', ' ', 'w', '\xc4', '\x85', 's', 'k', '\xc4', '\x85', ' ', 'd', 'r', '\xc3', '\xb3', '\xc5', '\xbc', 'k', '\xc4', '\x85'] 

而对于一个性格像ą我们：

>>> 'ą' 
'\xc4\x85' 

正如你可以在列表解析蟒之内看到2部分\xc4和\x85分裂它。所以得到的是骑您可以通过utf8 encocding第一解码文本：

>>> [i for i in text.decode('utf8')] 
[u'i', u'd', u'z', u'i', u'e', u' ', u'w', u'\u0105', u'\u017c', u' ', u'w', u'\u0105', u's', u'k', u'\u0105', u' ', u'd', u'r', u'\xf3', u'\u017c', u'k', u'\u0105'] 

Answer 2

你的字符串应该被存储为unicode字符串。

更改这两行，它应该工作：

character_swap = {u'ą': 'a', u'ż': 'z', u'ó': 'o'} 

text = u'idzie wąż wąską dróżką'