python - 在 python 上使用希伯来语

Question

我在打印希伯来语单词时遇到问题。我正在使用计数器模块，以便 计算给定文本(希伯来语)中的单词数。计数器确实很重要 单词，并识别语言，因为我使用的是 # -*- coding: utf-8 -*-

问题是，当我打印我的计数器时，我得到了奇怪的符号。 (我正在使用 eclipse ) 这是代码和打印品:

# -*- coding: utf-8 -*-
import string
from collections import Counter
class classifier:
def __init__(self,filename):
    self.myFile = open(filename)
    self.cnt = Counter()

def generateList(self):
    exclude = set(string.punctuation)
    for lines in self.myFile:
        for word in lines.split():
            if word not in exclude:
                nWord = ""
                for letter in word:
                    if letter in exclude:
                        letter = ""
                        nWord += letter
                    else:
                        nWord += letter
                self.cnt[nWord]+=1
    print self.cnt

打印:

Counter({'\xd7\x97\xd7\x94': 465, '\xd7\x96\xd7\x95': 432, '\xd7\xa1\xd7\x92\xd7\x95\xd7\xa8': 421, '\xd7\x94\xd7\x92\xd7\x91': 413})

关于如何以正确的方式打印单词有什么想法吗？

Answer 1

您得到的“怪异符号”是 python 表示 unicode 字符串的方式。

你需要对它们进行解码，例如:

>>>打印'\xd7\x97\xd7\x94'.decode('UTF8')
啊啊啊