python - 将 unicode 表示与符号进行比较

Question

我有一个包含大量句子的数据文件，编码如下:

“Gib mir bitte Erk\u00e4ltung”

我还有一个包含大量关键字的数据文件，编码如下:

“认知”

我想在句子中搜索关键字，然后将它们以“Erkältung”格式写入文件。

如何将\u00e4 转换为 ä 而无需执行以下操作:

String.replace('\u00e4', 'ä')

更确切地说，我想让它在 Python 2.6 中返回一个匹配项:

(#编码:utf-8)

sentence = "Gib mir bitte Erk\u00e4ltung"

keyword = "Erkältung"

re.search(keyword, line)

有什么提示吗？

Answer 1

Python 内置了一些方便的字符编码转换。在这种情况下，unicode_escape 就是您想要的。当您读入您的句子时，在进行搜索之前按如下方式转换它:

# Original sentence:

>>> s = "Gib mir bitte Erk\u00e4ltung"

>>> print s
Gib mir bitte Erk\u00e4ltung

>>> print repr(s)
'Gib mir bitte Erk\\u00e4ltung'


# Converted sentence:

>>> sc = s.decode('unicode_escape')

>>> print sc
Gib mir bitte Erkältung

>>> print repr(sc)
u'Gib mir bitte Erk\xe4ltung'