从特殊字符列表创建字典

Question

我正在做一个小脚本：基本上是把列表中的元素（里面有特殊字符）映射到它们的索引，创建一个字典。

#!/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."

它返回的结果是这样的：

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}

这都没问题，除了字符 £、% 和 \ 被转换成了 \xa3、\xa2 和 \\。有人知道为什么打印 ln1/ln2 没问题，但字典却不行吗？我该怎么解决这个问题呢？非常感谢任何帮助。谢谢！！

---

更新 1

我添加了一些额外的特殊字符 - # 和 ¢，然后根据 @Duncan 的建议，我得到了这个结果：

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

注意第7、第19和第20个元素，完全没有正确打印。第21个元素是实际的 ? 字符。谢谢！！

---

更新 2

我刚刚在我的原始帖子中添加了这个循环，实际上是为了测试我的目的：

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

这是我得到的结果：

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

在运行脚本时，它认为 £ 和 ¢ 实际上不在字典里 - 这就是我的问题。有人知道怎么解决这个，或者我哪里做错了吗？

最终，我会检查文件（或一行文本）中的字符是否在字典里，以查看它是否存在，并且文本中可能会有像 é 或 £ 这样的字符。谢谢！！

Answer 1

当你打印一个包含字符串的字典或列表时，Python会显示这些字符串的repr()形式。如果你执行print repr(ln2)，你会发现没有任何变化：你的字典键只是'£'等字符的latin-1编码。

如果你这样做：

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

那么字符就会按照你预期的方式显示出来。

Answer 2

在我看来，了解一下unicode的基本知识以及它在Python中的应用是很有用的。

如果你不想知道为什么人们搞得这么复杂，以至于你需要处理'\xa3'而不是直接用一个简单的£，那么Duncan上面的回答就非常完美，能告诉你你想知道的一切。

更新（关于你的更新 #2）

请确认你的文件是用latin-1编码保存的，而不是utf-8，这样你的测试就会通过（或者直接把#-*- coding: latin-1 -*-改成#-*- coding: utf-8 -*-）。

这个问题你可以通过阅读我上面链接的内容轻松理解：

你的文件是以utf-8格式保存的，这意味着字符£使用了2个字节，但因为你告诉Python解释器编码是latin-1，所以它会把£的每个字节当作一个键来使用。

实际上，我可以在ln2中数出19个字符，但如果你执行len(ln2)，它会返回21。

当你测试'£' in keyDict.keys()时，你在寻找一个2个字符的字符串，而字典中每个字符都有自己的键，这就是为什么找不到它的原因。

你也可以测试len(keyDict)，会发现它比你预期的要长。

我想这解释了一切，请理解并不是所有的内容都能在一个网页上简单明了地解释，但我认为上面的链接是一个不错的起点，里面有一些故事和代码示例。

祝好

附言：我用这个代码，保存为UTF-8格式，运行得非常顺利：

#!/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."