python2.7 关于打印中文的各种方法

目录

• str类型的中文
  • 第一种姿势：逐个打印
  • 第二种姿势： json dumps
  • 第三种姿势： repr string_escape
  • 第四种姿势：PEP3140
• unicode类型的中文
• 当str与unicode中文并存时
• 总结
• reference

正文

　　在开发过程中，我们经常需要打印一些变量的值，便于调试。这个时候就会发现如果在dict list这些容器中，如果包含中文字符，不管是str类型，还是unicode类型，都打印不出来。如下：

>>> print {'name': '张三'}
{'name': '\xd5\xc5\xc8\xfd'}
>>> print {'name': u'张三'}
{'name': u'\u5f20\u4e09'}

　　当然，作为凡人的我是在无法脑补这些十六进制的意思，每次转移一下也很麻烦，有没有办法一劳永逸呢。google了一把，发现还是有很多姿势的。

　　注意：本文实验主要基于win7，Python2.7，运行环境如下

>>> import sys,locale
>>> sys.getdefaultencoding()
'ascii'
>>> locale.getdefaultlocale()
('zh_CN', 'cp936')
>>> sys.stdin.encoding
'cp936'
>>> sys.stdout.encoding
'cp936'

　 本文地址：http://www.cnblogs.com/xybaby/p/7854126.html

str类型的中文

回到顶部

　　首先让我们分析一下为什么无法包含中文的container（dict list tuple）

>>> data = {'严': 1, 2: ['如'], 3:'玉'}

>>> data
{2: ['\xc8\xe7'], 3: '\xd3\xf1', '\xd1\xcf': 1}
>>> print data
{2: ['\xc8\xe7'], 3: '\xd3\xf1', '\xd1\xcf': 1}
>>> print data[3]
玉

　　上面data在key value中包含中文，而且也有嵌套的list，后文都使用这个data

　　可以看到不管是直接输出data（调用dict.__repr__），还是print data（调用dict.__str__）,都无法输出中文，而是像str.__repr__的结果。即调用容器的__str__时，事实上调用的是容器元素的__repr__方法，这个很好验证：

>>> class OBJ(object):
... def __str__(self):
...    return 'OBJ str'
... def __repr__(self):
...    return 'OBJ repr'
...
>>> lst = [OBJ()]
>>> print lst
[OBJ repr]
>>>

　　OBJ这个自定义的类，__str__ __repr__的方法实现不一样，当作为container（list）的元素时，明显调用的是OBJ.__repr__

　　在stackoverflow上的一个问题print-a-list-that-contains-chinese-characters-in-python给出了答案

When you print foo, what gets printed out is str(foo).
However, if foo is a list, str(foo) uses repr(bar) for each element bar, not str(bar).

　　当然，这个问题早就被人发现了，在PEP3140 str(container) should call str(item), not repr(item)，在这个提议中，就建议在打印容器的时候，使用__str__而不是__repr__。但是被Guido（Python之父）无情的拒绝了，原因是：

Guido said this would cause too much disturbance too close to beta

　　虽然提议被reject了，但是需求还是照样存在的啊，于是有了各种解决办法

第一种姿势：逐个打印

　　直接print容器中的元素

>>> lst = ['张三', '李四']
>>> print '[' + ', '.join(["asdf", "中文"]) + ']'
[asdf, 中文]
>>> for k, v in {'name': '张三'}.items():
... print k, v
...
name 张三

　　对于简单的容器对象，还是很方便的，但是对于嵌套的容器对象，比如上面data的例子，就很麻烦了

第二种姿势： json dumps

　　这个方法在网上推荐得较多

>>> import json
>>> dumped_data = json.dumps(data, encoding = 'gbk', ensure_ascii=False)
>>> print dumped_data
{"2": ["如"], "3": "玉", "严": 1}

　　可以看到，虽然打印出了中文，但是2 3都被加上了引号，感觉怪怪的

　　需要注意的是上面的两个参数(encoing ensure_ascii), 这两个参数都有默认参数（encoding = 'utf-8', ensure_ascii=True），跟我们这里使用的都不一样。

>>> dumped_data = json.dumps(data)
　　Traceback (most recent call last):
　　File "<stdin>", line 1, in <module>
　　File "D:\Python27.9\lib\json\__init__.py", line 243, in dumps
　　　　return _default_encoder.encode(obj)
　　File "D:\Python27.9\lib\json\encoder.py", line 207, in encode
　　　　chunks = self.iterencode(o, _one_shot=True)
　　File "D:\Python27.9\lib\json\encoder.py", line 270, in iterencode
　　　　return _iterencode(o, 0)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xc8 in position 0: invalid continuation byte

　　当然，为什么这里爆出了UnicodeDecodeError，可以参考这篇文章《不想再被鄙视？那就看进来！ 一文搞懂Python2字符编码》

　　ensure_ascii参数也很关键

>>> dumped_data = json.dumps(data, encoding = 'gbk')
>>> print dumped_data
{"2": ["\u5982"], "3": "\u7389", "\u4e25": 1}

　　python document是有描述的；

If ensure_ascii is True (the default), all non-ASCII characters in the output are escaped with \uXXXX sequences, and the result is a str instance consisting of ASCII characters only.

第三种姿势： repr string_escape

>>> decoded_data = repr(data).decode('string_escape')
>>> print decoded_data
{2: ['如'], 3: '玉', '严': 1}

　　既然repr的输出是十六进制的str，那么就可以使用string_escape进行转换，具体也可以参见上文

第四种姿势：PEP3140

　　虽然PEP3140被reject了，但我们还是可以利用其思想吧，那就是强制调用str.__str__而不是str.__repr__

 1 class ForceStr(str):
 2     def __repr__(self):
 3         return super(ForceStr, self).__str__()
 4
 5 def switch_container( data ):
 6     ret = None
 7     if isinstance(data, str):
 8         ret = ForceStr(data)
 9     elif isinstance(data, list) or isinstance(data, tuple):
10         ret = [switch_container(var) for var in data]
11     elif isinstance(data, dict):
12         ret = dict((switch_container(k), switch_container(v)) for k, v in data.iteritems())
13     else:
14         ret = data
15     return ret

>>> switched_data = switch_container(data)
>>> print switched_data
{2: [如], 3: 玉, 严: 1}
>>> switched_data
{2: [如], 3: 玉, 严: 1}

　　ForceStr继承自str，然后ForceStr.__repr__调用str.__str__。然后递归将容器里面的str类型的元素替换成ForceStr。可以看到，能够顺序打印出中文，格式也没有问题

unicode类型的中文

回到顶部

　　基本姿势于上一章节是一样的，下面直接给出答案

　　同上第二种姿势

>>> udata = {u'严': 1, 2: [u'如'], 3:u'玉'}
>>> print json.dumps(udata, encoding = 'gbk', ensure_ascii=False)
{"2": ["如"], "3": "玉", "严": 1}

　　同上第三种姿势

>>> print repr(udata).decode('unicode_escape')
{2: [u'如'], 3: u'玉', u'严': 1}
>>>

　　同上第四种姿势

 1 def switch_container( data ):
 2     ret = None
 3     if isinstance(data, unicode):
 4         ret = ForceStr(data.encode(sys.stdout.encoding))
 5     elif isinstance(data, list) or isinstance(data, tuple):
 6         ret = [switch_container(var) for var in data]
 7     elif isinstance(data, dict):
 8         ret = dict((switch_container(k), switch_container(v)) for k, v in data.iteritems())
 9     else:
10         ret = data
11     return ret

>>>
>>> print switch_container(udata)
{2: [如], 3: 玉, 严: 1}

当str与unicode中文并存时

回到顶部

同上第二种姿势

>>> data[4] = u'啊'
>>> print json.dumps(data, encoding = 'gbk', ensure_ascii=False)
{"2": ["如"], "3": "玉", "4": "啊", "严": 1}

同上第三种姿势

>>> print repr(data).decode('string_escape')
{2: ['如'], 3: '玉', 4: u'\u554a', '严': 1}

　　呃，unicode中文打印不出来

>>> print repr(data).decode('unicode_escape')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'gbk' codec can't encode character u'\xc8' in position 6: illegal multibyte sequence
>>>

　　擦，也许有正确的姿势，不过我没有试出来

　　同上第四种姿势

 1 def switch_container( data ):
 2     ret = None
 3     if isinstance(data, str):
 4         ret = ForceStr(data)
 5     elif isinstance(data, unicode):
 6         ret = ForceStr(data.encode(sys.stdout.encoding))
 7     elif isinstance(data, list) or isinstance(data, tuple):
 8         ret = [switch_container(var) for var in data]
 9     elif isinstance(data, dict):
10         ret = dict((switch_container(k), switch_container(v)) for k, v in data.iteritems())
11     else:
12         ret = data
13     return ret

>>> print switch_container(data)
{2: [如], 3: 玉, 4: 啊, 严: 1}

总结

回到顶部

　　json.dumps版本还算可以，能够处理str中文，unicode中文， str与unicode中文并存三种情况，不过显示结果与真实有点差异

　　string_escape(unicode_escape)只使用只有str（unicode）中文的情况，使用较为受限

　　自己实现的switch_container版本，能够友好支持str中文，unicode中文，str与unicode中文并存三种情况

　　str与unicode并存真是一件蛋疼的事情！