Python关于list里面的unicode编码

利用Python2.7结巴分词对文本分词之后存进list列表里面

import jiebaseg_list = jieba.cut("网络，让我们之间的距离变的如此之近，也如此遥远。")a = [i for i in seg_list]a = str(a).replace('u\'','\'')  s = a.decode("unicode-escape")  print s

此时seg_list是一个生成器generator。如果不存进列表直接一次性打印的话，需要添加print ' '.join(seg_list)。

存进列表之后如果只是到了第一个a就输出的话，结果如下：

[u'\u7f51\u7edc', u'\uff0c', u'\u8ba9', u'\u6211\u4eec', ...]

此时如果直接索引的话，打印出来是正常中文，如print a[0]。

为了将list里面的字符串更换为中文，需要先将前面的u替换为空，之后利用decode函数解码，结果如下：

['网络', '让', '我们', '之间', '的', '距离', '变', '的', '如此', '之近', '，', '也', '同时', '让', '我们', '变', '的', '如此', '遥远', '。']

此时list全部变成unicode格式。如果文本包含标点符号也能分得出来，例如，“清峪路260-278号（双）、258弄33、35号”，结果如下：

['清峪路', '260', '-', '278', '号', '（', '双', '）', '、', '258', '弄', '33', '、', '35', '号']

结巴分词如果需要去掉标点符号，则在jieba.cut加上参数：

seg_list = jieba.cut("清峪路260-278号（双）、258弄33、35号",cut_all=True)