从特殊字符列表创建词典

Question

我正在编写这个小脚本：基本上它将list元素（其中包含特殊字符）映射到它的索引以创建字典。

#!/usr/bin/env python
#-*- coding: latin-1 -*-

ln1 = '?0>9<8~7|65"4:3}2{1+_)'
ln2 = "(*&^%$£@!/`'\][=-#¢"

refStr = ln2+ln1

keyDict = {}
for i in range(0,len(refStr)):
    keyDict[refStr[i]] = i


print "-" * 32
print "Originl: ",refStr
print "KeyDict: ", keyDict

# added just to test a few special characters
tsChr = ['£','%','\\','¢']

for k in tsChr:
    if k in keyDict:
        print k, "\t", keyDict[k]
    else: print k, "\t", "not in the dic."

它返回如下结果：

Originl:  (*&^%$£@!/`'\][=-#¢?0>9<8~7|65"4:3}2{1+_)
KeyDict:  {'!': 9, '\xa3': 7, '\xa2': 20, '%': 4, '$': 5, "'": 12, '&': 2, ')': 42, '(': 0, '+': 40, '*': 1, '-': 17, '/': 10, '1': 39, '0': 22, '3': 35, '2': 37, '5': 31, '4': 33, '7': 28, '6': 30, '9': 24, '8': 26, ':': 34, '=': 16, '<': 25, '?': 21, '>': 23, '@': 8, '\xc2': 19, '#': 18, '"': 32, '[': 15, ']': 14, '\\': 13, '_': 41, '^': 3, '`': 11, '{': 38, '}': 36, '|': 29, '~': 27}

这一切都很好，除了字符£，%和\分别转换为\xa3，\xa2和\\。有人知道为什么打印ln1/ln2很好，但字典却不行。我该怎么解决？非常感谢您的帮助。干杯！！

---

更新1

我添加了额外的特殊字符-#和¢，然后我得到了@Duncan的建议：

! 9
? 7
? 20
% 4
$ 5
....
....
8 26
: 34
= 16
< 25
? 21
> 23
@ 8
? 19
....
....

请注意，第7、19和20个元素，它们根本没有正确打印。第21个元素是实际的?字符。干杯！！

---

更新2

只是把这个循环添加到我最初的帖子中，来测试我的目的：

tsChr = ['£','%','\\','¢']
for k in tsChr:
    if k in keyDict:
        print k, "\t", keyDict[k]
    else: print k, "\t", "not in the dic."

我得到的结果是：

£   not in the dic.
%   4
\   13
¢   not in the dic.

运行脚本时，它认为£和¢实际上不在字典中，这是我的问题。有人知道如何解决这个问题，或者我做错了什么/我做错了什么？

最后，我将检查字典中某个文件（或一行文本）中的字符，看它是否存在，以及是否有可能在文本中包含é或£等字符。干杯！！

Answer 1

在我看来，学习一般的unicode和it's use in python

如果你不想知道人们为什么要把事情搞砸，所以你必须处理一个“\xa3”，而不是一个简单的£，那么邓肯的回答是完美的，告诉你你想知道的一切。

更新（请参阅更新2）

请断言您的文件是用拉丁语-1编码保存的，并且现在是非utf-8，您的测试将通过（或者将#-*- coding: latin-1 -*-更改为#-*- coding: utf-8 -*-）

从我上面的链接中，你可以很容易地理解阅读（和理解）内容：

您的文件被保存为utf-8，这意味着对于char£使用2个字节，但是由于您告诉python解释器编码是拉丁语-1，因此他将使用一个键的2个utf-8字节中的每个字节。

实际上，我可以在ln2中计算19个字符，但是如果您发出len(ln2)，它将返回21个字符。

当您测试'£' in keyDict.keys()时，您正在寻找一个2个字符的字符串，而每个2个字符在字典中都有自己的键，这就是为什么它找不到它。

您还可以测试len(keyDict)，发现它比您预期的要长。

我想这说明了一切，请理解不是所有的故事都很容易在一个网页上解释，但上面的链接，在我看来是一个很好的起点，混合了一些故事和一些编码示例。

干杯

备注：我正在使用这段代码，并将其保存为UTF-8，它工作得非常完美：

#!/usr/bin/env python
#-*- coding: utf-8 -*-

ln1 = u'?0>9<8~7|65"4:3}2{1+_)'
ln2 = u"(*&^%$£@!/`'\][=-#¢"

refStr = u"%s%s" % (ln2, ln1)

keyDict = {}
for idx, chr_ in enumerate(refStr):
    print chr_,
    keyDict[chr_] = idx

print u"-" * 32
print u"Originl: ", refStr
print u"KeyDict: ", keyDict

tsChr = [u'£', u'%', u'\\', u'¢']
for k in tsChr:
    if k in keyDict.keys():
        print k, "\t", keyDict[k]
    else: print k, repr(k), "\t", "not in the dic."

Answer 2

当您打印包含字符串的字典或列表时，Python将显示字符串的repr()。如果您print repr(ln2)，您将看到没有任何变化：您的字典键只是'.'&c.字符的拉丁-1编码。

如果你这样做了：

for k in keyDict:
    print k, keyDict[k]

然后字符将按您的预期显示。