有人可以解释为什么python 2.7x中的中间代码摘录引发错误吗?
import re
walden = "Waldenström"
walden
print(walden)
s1 = "ö"
s2 = "Wal"
s3 = "OOOOO"
out = re.sub(s1, s3, walden)
print(out)
out = re.sub("W", "w", walden)
print(out)
# I need this one to work
out = re.sub('W', u'w', walden)
# ERROR
out = re.sub(u'W', 'w', walden)
print(out)
out = re.sub(s2, s1, walden)
print(out)
我很困惑,并尝试阅读手册
最佳答案
walden
是str
:
walden = "Waldenström"
此代码用
unicode
字符串替换字符:re.sub('W', u'w', walden)
结果应为
u'w' + "aldenström"
。这是失败的部分。为了连接
str
和unicode
,都必须先将它们都转换为unicode
。结果也是unicode
。问题是,解释器不知道如何将
'ö'
转换为unicode,因为它不知道要使用哪种编码。结果是模棱两可的。解决方案是在进行替换之前先转换自己:
re.sub('W', u'w', unicode(walden, encoding))
encoding
应该是您用来创建该文件的文件,例如re.sub('W', u'w', unicode(walden, 'utf-8'))