La cadena de Python se imprime como [u'String ']

Question

Esto seguramente será fácil, pero realmente me está molestando.

Tengo un script que se lee en una página web y usa Beautiful Soup para analizarlo. De la sopa Extraigo todos los enlaces ya que mi objetivo final es imprimir el archivo link.contents.

Todo el texto que estoy analizando es ASCII. Sé que Python trata las cadenas como unicode, y estoy seguro de que esto es muy útil, de nada sirve en mi script wee.

Cada vez que voy a imprimir una variable que contiene 'Cadena' obtengo [u'String'] impreso en la pantalla. ¿Hay alguna manera simple de volver a poner esto en ascii o debería escribir una expresión regular para quitarla?

Answer 1

[u'ABC'] sería una lista de un elemento de cadenas Unicode. Beautiful Soup always produces Unicode. Por lo tanto, debe convertir la lista en una única cadena Unicode y luego convertirla en ASCII.

No sé exactamente cómo se obtuvieron las listas de un elemento; el miembro del contenido sería una lista de cadenas y etiquetas, que aparentemente no es lo que tienes. Suponiendo que realmente siempre se obtiene una lista con un solo elemento, y que la prueba es realmente única ASCII que usaría esto:

soup[0].encode("ascii") 

Sin embargo, por favor, compruebe que sus datos son realmente ASCII. Esto es bastante raro Es mucho más probable que sea latin-1 o utf-8.

soup[0].encode("latin-1") 


soup[0].encode("utf-8") 

O le preguntas Hermosa sopa de lo que fue la codificación original y ponerlo de nuevo en esta codificación:

soup[0].encode(soup.originalEncoding) 

Answer 2

¿Realmente quiere decir u'String'?

En cualquier caso, ¿no puede simplemente hacer str(string) para obtener una cadena en lugar de una cadena unicode? (Esto debería ser diferente para Python 3, cuyas cadenas son unicode).

Answer 3

Use dir o type en la 'cadena' para averiguar qué es. Sospecho que es uno de los objetos de etiqueta de BeautifulSoup, que se imprime como una cadena, pero realmente no es uno. De lo contrario, está dentro de una lista y necesita convertir cada cadena por separado.

En cualquier caso, ¿por qué se opone al uso de Unicode? ¿Alguna razón específica?

Answer 4

es probable que tenga una lista que contiene una cadena Unicode. El repr de esto es [u'String'].

Puede convertir esta a una lista de cadenas de bytes usando cualquier variación de los siguientes:

# Functional style. 
print map(lambda x: x.encode('ascii'), my_list) 

# List comprehension. 
print [x.encode('ascii') for x in my_list] 

# Interesting if my_list may be a tuple or a string. 
print type(my_list)(x.encode('ascii') for x in my_list) 

# What do I care about the brackets anyway? 
print ', '.join(repr(x.encode('ascii')) for x in my_list) 

# That's actually not a good way of doing it. 
print ' '.join(repr(x).lstrip('u')[1:-1] for x in my_list) 

Answer 5

Si las listas de acceso/impresión solo elemento (por ejemplo, o filtrada secuencialmente):

my_list = [u'String'] # sample element 
my_list = [str(my_list[0])] 

Answer 6

pase la salida a la función str() y eliminará la conversión de la salida de Unicode. también al imprimir la salida eliminará las etiquetas 'u' 'de la misma.

Answer 7

encode("latin-1") me ayudó en mi caso:

facultyname[0].encode("latin-1") 

Answer 8

[u'String'] es una representación de texto de una lista que contiene una cadena Unicode en Python 2.

Si ejecuta print(some_list) entonces es equivalente a
print'[%s]' % ', '.join(map(repr, some_list)) es decir, para crear una representación de texto de un objeto Python con el tipo list, se llama a la función repr() para cada elemento.

No se debe confundir un objeto Python y su representación de texto - repr('a') != 'a' e incluso la representación de texto de la representación de texto difiere: repr(repr('a')) != repr('a').

repr(obj) devuelve una cadena que contiene una representación imprimible de un objeto. Su objetivo es ser una representación inequívoca de un objeto que puede ser útil para la depuración, en un REPL. A menudo eval(repr(obj)) == obj.

Para evitar llamar repr(), podría imprimir directamente elementos de la lista (si es que son todas las cadenas Unicode), por ejemplo: print ",".join(some_list) -es imprime una lista separada por comas de las cuerdas: String

No te codificar una cadena Unicode de bytes utilizando una codificación de caracteres codificados, imprime Unicode directamente en su lugar. De lo contrario, el código puede fallar porque la codificación no puede representar todos los caracteres, por ejemplo, si intenta utilizar la codificación 'ascii' con caracteres que no sean ASCII. O el código produce silenciosamente mojibake (los datos corruptos se pasan más allá en una interconexión) si el entorno usa una codificación que es incompatible con la codificación codificada.

Answer 9

import json, ast 
r = {u'name': u'A', u'primary_key': 1} 
ast.literal_eval(json.dumps(r)) 

imprimirá

{'name': 'A', 'primary_key': 1} 

Answer 10

Tal vez yo no entiendo, ¿por qué no puede usted acaba de obtener el element.text y luego convertirlo antes de usarlo? por ejemplo (no sé qué podría hacer esto pero ...) encontrar todos los elementos de la etiqueta de la página web y iterar entre ellos hasta que encuentre uno llamado MyText

 avail = [] 
     avail = driver.find_elements_by_class_name("label"); 
     for i in avail: 
       if i.text == "MyText": 

convertir la cadena de i y hacer lo Quería hacer ... tal vez me falta algo en el mensaje original? o era esto lo que estabas buscando?