如何强制PyYAML将字符串加载为unicode对象？

Question

PyYAML这个包在加载没有标记的字符串时，会根据内容来决定是用unicode对象还是str对象。

我希望在我的程序中始终使用unicode对象（而且不幸的是，我现在还不能切换到Python 3）。

有没有简单的方法可以强制PyYAML总是将字符串加载为unicode对象？我不想在我的YAML文件里加上!!python/unicode这样的标签。

# Encoding: UTF-8

import yaml

menu= u"""---
- spam
- eggs
- bacon
- crème brûlée
- spam
"""

print yaml.load(menu)

输出结果是：['spam', 'eggs', 'bacon', u'cr\xe8me br\xfbl\xe9e', 'spam']

我想要的是：[u'spam', u'eggs', u'bacon', u'cr\xe8me br\xfbl\xe9e', u'spam']

Answer 1

这里有一个函数，你可以用它来把从 PyYAML 解码出来的输出中的 str 类型替换成 unicode 类型：

def make_str_unicode(obj):
    t = type(obj)

    if t in (list, tuple):
        if t == tuple:
            # Convert to a list if a tuple to 
            # allow assigning to when copying
            is_tuple = True
            obj = list(obj)
        else: 
            # Otherwise just do a quick slice copy
            obj = obj[:]
            is_tuple = False

        # Copy each item recursively
        for x in xrange(len(obj)):
            obj[x] = make_str_unicode(obj[x])

        if is_tuple: 
            # Convert back into a tuple again
            obj = tuple(obj)

    elif t == dict: 
        for k in obj:
            if type(k) == str:
                # Make dict keys unicode
                k = unicode(k)
            obj[k] = make_str_unicode(obj[k])

    elif t == str:
        # Convert strings to unicode objects
        obj = unicode(obj)
    return obj

print make_str_unicode({'blah': ['the', 'quick', u'brown', 124]})

Answer 2

这里有一个版本，它通过始终输出 unicode 来覆盖 PyYAML 对字符串的处理。实际上，这个结果可能和我之前发的另一个回答是一样的，只是更简短（也就是说，如果你使用自定义处理器，仍然需要确保自定义类中的字符串被转换成 unicode，或者你自己传入 unicode 字符串）：

# -*- coding: utf-8 -*-
import yaml
from yaml import Loader, SafeLoader

def construct_yaml_str(self, node):
    # Override the default string handling function 
    # to always return unicode objects
    return self.construct_scalar(node)
Loader.add_constructor(u'tag:yaml.org,2002:str', construct_yaml_str)
SafeLoader.add_constructor(u'tag:yaml.org,2002:str', construct_yaml_str)

print yaml.load(u"""---
- spam
- eggs
- bacon
- crème brûlée
- spam
""")

（上面的结果是 [u'spam', u'eggs', u'bacon', u'cr\xe8me br\xfbl\xe9e', u'spam']）

我没有在 LibYAML（基于 C 的解析器）上测试过，因为我无法编译它，所以我就不改动其他的回答了。