我正在尝试使用一个名为MeCab的程序,它对日语文本进行语法分析。我遇到的问题是它返回一个字节字符串,如果我试图打印它,它会为几乎所有字符打印问号。但是,如果我尝试使用.decode
,它会抛出一个错误。这是我的代码:
#!/usr/bin/python
# -*- coding:utf-8 -*-
import MeCab
tagger = MeCab.Tagger("-Owakati")
text = 'MeCabで遊んでみよう!'
print text
result = tagger.parse(text)
print result
result = unicode(result, 'utf-8')
print result
这是我的输出:
^{pr2}$而且,我的终端能够正确显示日语字符。例如,print '日本語'
工作得非常好。在
有什么想法吗?在
看起来你认为MeCab返回UTF8字符串的假设是错误的。所以,在你转换成
unicode
时,你必须使用其他一些编码(例如iso2022_jp
,编码的精确选择取决于MeCab的内部结构)。在默认情况下,MeCab不返回UTF8。以下是以下链接的引文(通过谷歌翻译):
http://mecab.googlecode.com/svn/trunk/mecab/doc/index.html#charset
尝试
result = tagger.parse(text).decode('euc-jp')
。在相关问题 更多 >
编程相关推荐