Python 从列表中的每个项目中提取整数和Unicode

我正在做我的语言学项目（语言是马来语）

我的名单是

x= [u'1\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d', u'5\u0d05\u0d35\u0d28\u0d4d\u200d']  

我想从列表中的每个项目中提取整数和Unicode

预期产量为

1 \u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200  
5 \u0d05\u0d35\u0d28\u0d4d\u200d

首先，我尝试将第一项x[0]转换为ascii

print unicodedata.normalize('NFKD',x[0]).encode('ascii','ignore') 

输出为1

我认为这个输出是因为列表中的unicode是针对malayalam的

然后我试图找到“\u”的第一个索引，就像

---

执行此操作时出错。

字符序列

\uxxx

表示单个unicode字符，而不是字符串中的字符序列

您可以获得如下所示的预期输出：

for i in x:
    print int(i[0]), repr(i[1:])[2:-1]

（假设整数只有一个数字）

对于更一般的情况，一种解决方案是使用正则表达式提取整数：

import re
for i in x:
    s = re.match('([0-9]+)', i).group(1)
    print int(s), repr(i[len(s):])[2:-1]

---

在这里查看python

repr

函数的更多信息：解释器中的

res

表示是OP想要的输出，但它不是您打印它时得到的。您需要使用

repr

函数来获取对象表示。是的，我得到了它，如果我们使用“print”，它将打印实际的unicode对象。因此，我们需要使用repr函数。谢谢：）

import re
for i in x:
    s = re.match('([0-9]+)', i).group(1)
    print int(s), repr(i[len(s):])[2:-1]

>>> x= [u'1\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d', u'5\u0d05\u0d35\u0d28\u0d4d\u200d']  
>>> res = [ (i[:1], i[1:]) for i in x ]
>>> res
[(u'1', u'\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d'), (u'5', u'\u0d05\u0d35\u0d28\u0d4d\u200d')]

>>> for i in res:
...     print i[0], repr(i[1])
... 
1 u'\u0d30\u0d3e\u0d2e\u0d28\u0d4d\u200d'
5 u'\u0d05\u0d35\u0d28\u0d4d\u200d'