我有一些代码行从pdf文件中提取电子邮件地址。你知道吗
for page in pdf.pages:
pdf = page.extractText()
# print elpdf
r = re.compile(r'[\w\-][\w\-\.]+@[\w\-][\w\-\.]+[a-zA-Z]{1,4}')
results = r.findall(pdf)
Listemail.append(results)
print(Listemail[0:])
pdf.stream.close()
不幸的是,在运行代码之后,我注意到结果并不完全正确,因为每次找到匹配项时,结果都会显示为“u”字符:
[[u'testuser1@training.local']]
[[u'testuser2@training.local']]
有人知道如何避免那个角色出现吗?你知道吗
提前谢谢
这些是unicode strings,你不需要避免它们,除非你有一些真正的问题。你知道吗
正如其他人所指出的,这不是一个bug,而是一个特性。你知道吗
如果您想要的是非unicode编码的字符串,那么可以将文本从unicode转换为更容易接受的格式。本问答涵盖以下主题:
Convert a Unicode string to a string in Python (containing extra symbols)
我以前遇到过这种情况,在某些用例中,它可能会有问题,因为您将遇到方法需要非unicode字符串并中断的问题。:)
该链接的示例解决方案:
那不是问题。在字符串前面加
u
表示它是Pythonunicode
字符串。See this documentation.除非你对它们做了什么疯狂的事情,因为某种原因需要你的字符串不是unicode,否则我不认为这会是一个问题。你知道吗相关问题 更多 >
编程相关推荐