[gelöst] python unicode

[wartburgritter]

Hallo zusammen,

ich beschäftige mich mit python und hab da so ein unicode-problem. Evtl. kennt sich ja hier im Forum jemand aus. Ich bekomme von einem anderen Programm strings in der Form von Eckst\\u00fctze übergeben und möchte diese als Eckstütze ausdrucken. Folgend meine Versuche.

hugo@weide:~/$ python
Python 2.7.3 (default, Jan 2 2013, 13:56:14)
[GCC 4.7.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>>
>>> s = "Eckst\u00fctze"
>>> s
'Eckst\\u00fctze'
>>> print(s)
>>> Eckst\u00fctze
>>> type(s)
<type 'str'>
>>>

Es ist ja prinzipiell möglich Umaute zu drucken, zum Vergleich:

>>>
>>> u = u"Eckst\u00fctze"
>>> u
>>> u'Eckst\xfctze'
>>> print(u)
>>> Eckstütze
>>> type(u)
<type 'unicode'>
>>>


Folgend mein fehlgeschlagener Versuch

>>> t = unicode(s)
>>> t
u'Eckst\\u00fctze'
>>> print t
Eckst\u00fctze
>>> type(t)
<type 'unicode'>
>>>


gruss bernd

[Cae]

Code: Alles auswählen

>>> s = u'Eckst\u00fctze'
>>> s
u'Eckst\xfctze'
>>> print s
Eckstütze
>>> t = unicode(s)
>>> t
u'Eckst\xfctze'
>>> print t
Eckstütze
>>> 

Kann dein Terminal vielleicht kein UTF-8? locale, env | grep '^LC'?

Wobei, kann nicht recht sein, da beschwert sich der Interpreter:

Code: Alles auswählen

$ LC_ALL=c python
[...]
>>> print u'te\u00fcst'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xfc' in position 2: ordinal not in range(128)
>>> 

Gruss Cae

[wartburgritter]

Aha, es könnte auch am Terminal liegen, daran habe ich nochgar nicht gedacht, aber meins ist utf-8. Die variable des typs u'string' wird ja korrekt gedruckt, nur eben der std-string mit den encodings nicht.

Code: Alles auswählen

hugo@weide:~$ 
hugo@weide:~$ locale
LANG=de_DE.UTF-8
LANGUAGE=
LC_CTYPE="de_DE.UTF-8"
LC_NUMERIC="de_DE.UTF-8"
LC_TIME="de_DE.UTF-8"
LC_COLLATE="de_DE.UTF-8"
LC_MONETARY="de_DE.UTF-8"
LC_MESSAGES="de_DE.UTF-8"
LC_PAPER="de_DE.UTF-8"
LC_NAME="de_DE.UTF-8"
LC_ADDRESS="de_DE.UTF-8"
LC_TELEPHONE="de_DE.UTF-8"
LC_MEASUREMENT="de_DE.UTF-8"
LC_IDENTIFICATION="de_DE.UTF-8"
LC_ALL=
hugo@weide:~$ 
hugo@weide:~$ env | grep 'LC'
hugo@weide:~$ 
hugo@weide:~$ 
hugo@weide:~$ LC_ALL=c python
Python 2.7.3 (default, Jan  2 2013, 13:56:14) 
[GCC 4.7.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>>
>>> print u'te\u00fcst'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xfc' in position 2: ordinal not in range(128)
>>> 

gruss bernd

[JaKlaRo]

Hallo,
das Problem ist, dass ein Rawstring übergeben wird. Mit dem folgendem Code läßt sich Dein Problem lösen.

Code: Alles auswählen

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

def str_to_utf8(s):
    if '\\u00c4' in s:
        s = s.replace("\\u00c4", "Ä")
    if '\\u00e4' in s:
        s = s.replace("\\u00e4", "ä")
    if '\\u00d6' in s:
        s = s.replace("\\u00d6", "Ö")
    if '\\u00f6' in s:
        s= s.replace("\\u00f6", "ö")
    if '\\u00dc' in s:
        s = s.replace("\\u00dc", "Ü")
    if '\\u00fc' in s:
        s = s.replace("\\u00fc", "ü")
    if '\\u00df' in s:
        s = s.replace("\\u00df", "ß")
    return s


def main():
    s = "Eckst\u00fctze Eckst\u00fctze B\u00e4r"
    print s
    u=str_to_utf8(s)
    print u

if __name__=="__main__":
    main()

Gruß
JaKlaRo

[goeb]

Und das dann für jeden Codepoint oder wie? Nach kurzem startpagen doch eher so:

Code: Alles auswählen

>>> s = "Eckst\u00fctze Eckst\u00fctze B\u00e4r"

>>> print s
Eckst\u00fctze Eckst\u00fctze B\u00e4r

>>> s.decode ('unicode-escape')
u'Eckst\xfctze Eckst\xfctze B\xe4r'

>>> print s.decode ('unicode-escape')
Eckstütze Eckstütze Bär

Edit: Der Vollständigkeit halber, so geht's auch:

Code: Alles auswählen

>>> s = "Eckst\u00fctze Eckst\u00fctze B\u00e4r"

>>> print unicode (s, 'unicode-escape')
Eckstütze Eckstütze Bär

[wartburgritter]

...
>>> s.decode ('unicode-escape')
...
[/code]

Genau das hab ich verzweifelt gesucht

Vielen vielen Dank Euch allen für die Unterstützung

Bernd alias der wartburgritter

[Cae]

Man kann das entweder wissen oder auch per dir(s) gucken, was es im Objekt so alles gibt. Da waere der .decode()-Eintrag gelistet werden, wobei man ihn wohl eher nicht als zustaendig erkannt haette. Generell kann man mit dieser Methode nach sprechenden Bezeichnern suchen und gucken, ob sie weiterhelfen.

Gruss Cae

[wartburgritter]

[quote="Cae"]Man kann das entweder wissen oder auch per dir(s) gucken, was es im Objekt so alles gibt. .../quote]

Aha, das dir ist auch auf Variablen anwendbar, naja macht sinn. Ich gab es bisher immer nur für funktionen aus modulen verwendet. Aber naklar, wieder was gelernt. Decodierung meiner Umlaute funktioniert übrigends bestens ...
Bernd