从特殊字符列表创建字典

Question

我正在编写这个小脚本：基本上它将列表元素（其中包含特殊字符）映射到其索引以创建字典。

#!/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."

它返回这样的结果：

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 \ 正在转换为 \xa3分别为、\xa2 和 \\。有谁知道为什么打印 ln1/ln2 可以，但字典不行。我该如何解决这个问题？非常感谢任何帮助。干杯！！

---

Update 1

我添加了额外的特殊字符 - # 和 cent 然后这就是我按照 @Duncan 的建议得到的：

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

注意第 7 个、第 19 个和第 20 个元素，即根本打印不正确。第 21 个元素是实际的 ? 字符。干杯！！

---

Update 2

只是将此循环添加到我的原始帖子中以实际测试我的目的：

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

这就是我得到的结果：

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

运行脚本时，它认为 £ 和 cent 实际上不是在字典里 - 这就是我的问题。任何人都知道如何解决这个问题或我做错了什么/哪里？

最终，我将检查字典中文件（或一行文本）中的字符，看看它是否存在，并且有可能包含像 é 或 < code>£ 等在文本中。干杯！！

Answer 1

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) 您会发现没有任何变化：您的字典键只是 '£' &c 的 latin-1 编码。人物。

如果您这样做：

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

那么字符将按您的预期显示。

Answer 2

以我的拙见，了解unicode的一般知识和它在python中的使用会很有用

如果您不有兴趣知道为什么人们必须把事情搞砸，所以您必须处理 '\xa3' 而不是只有一个简单的 £ 那么邓肯在上面回答非常完美，可以告诉您您想知道的一切。

更新（关于您的更新＃2）

请断言您的文件是用 latin-1 编码和 非 utf-8 保存的，因为它现在是这样，您的测试将通过（或者只是更改 #-*-编码：latin-1 -*- 到 #-*- 编码：utf-8 -*-）

这是您可以轻松理解从我的链接阅读（和理解）内容的事情上面：

您的文件另存为utf-8 这意味着对于 char £ 使用 2 个字节，但由于你告诉 python 解释器编码是 latin-1，他将使用 2 个 utf-8 中的每一个密钥的 £ 字节。

事实上，我可以计算 ln2 中的 19 个字符，但如果您发出 len(ln2) ，它将返回 21。

当您在 keyDict.keys( 中测试 '£' 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，这就是它找不到它的原因。

您还可以测试 len(keyDict) 并发现它比您预期的要长。

我想这解释了一切，请理解并不是所有的故事都很容易在一个网页中解释，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

P.S.：我正在使用这段代码，将其保存为 UTF-8 并且它可以完美地工作：

#!/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."