未在python终端上显示西班牙语字符

我使用python从NLTK下载了西班牙语文本

spanish_sents=nltk.corpus.floresta.sents()

在终端中打印句子时，请使用相应的西班牙语字符 没有渲染。例如，打印

西班牙语[1]

会产生类似

u'\xe9'

的字符，如果我使用utf-8对其进行编码，如中所示

print [x.encode("utf-8") for x in sapnish_sents[1]] 

它产生

'\xc3\xa9'

并以拉丁语3进行编码

print [x.encode("latin3") for x in sapnish_sents[1]] 

它产生

'\xe9'

---

如何配置终端以打印这些点的图示符？谢谢

我想有一些事情正在发生。首先，您正在迭代一个

str

（

sapnish_sents[1]

是一个完整的条目吗？打印该条目时会发生什么情况）。其次，您没有获得完整字符，因为您正在迭代

str

（unicode字符比ASCII字符占用更多的“空间”，因此寻址单个索引看起来很奇怪）。第三，当您可能打算

解码时，您正在尝试
编码

试试这个：

 print sapnish_sents[1].decode('utf-8')

我刚刚在终端中运行了以下命令，以帮助提供上下文：

>>> a = '®†\¨ˆø' # Storing non-ASCII characters in a str is ill-advised;
                 # I do this as an example because it's what I think your question is
                 # really asking
>>> a # a now looks like a bunch of gibberish if I just output
'\xc2\xae\xe2\x80\xa0\\\xc2\xa8\xcb\x86\xc3\xb8'
>>> print a # Well, this looks normal.
®†\¨ˆø
>>> print repr(a) # Just demonstrating how the above works
'\xc2\xae\xe2\x80\xa0\\\xc2\xa8\xcb\x86\xc3\xb8'
>>> a[0] # We're only looking at one character, which is represented by all this stuff.
'\xc2' 
>>> print a[0] # But because it's not a complete unicode character, the terminal balks
?
>>> print a.decode('utf-8') # Look familiar?
®†\¨ˆø
>>> print a.decode('utf-8')[0] # Our first character!
®

我的猜测是有一些事情正在发生。首先，您正在迭代一个
str
（
sapnish_sents[1]
是一个完整的条目吗？打印该条目时会发生什么情况）。其次，您没有获得完整字符，因为您正在迭代
str
（unicode字符比ASCII字符占用更多的“空间”，因此寻址单个索引看起来很奇怪）。第三，当您可能打算
解码时，您正在尝试
编码

试试这个：

 print sapnish_sents[1].decode('utf-8')

我刚刚在终端中运行了以下命令，以帮助提供上下文：

>>> a = '®†\¨ˆø' # Storing non-ASCII characters in a str is ill-advised;
                 # I do this as an example because it's what I think your question is
                 # really asking
>>> a # a now looks like a bunch of gibberish if I just output
'\xc2\xae\xe2\x80\xa0\\\xc2\xa8\xcb\x86\xc3\xb8'
>>> print a # Well, this looks normal.
®†\¨ˆø
>>> print repr(a) # Just demonstrating how the above works
'\xc2\xae\xe2\x80\xa0\\\xc2\xa8\xcb\x86\xc3\xb8'
>>> a[0] # We're only looking at one character, which is represented by all this stuff.
'\xc2' 
>>> print a[0] # But because it's not a complete unicode character, the terminal balks
?
>>> print a.decode('utf-8') # Look familiar?
®†\¨ˆø
>>> print a.decode('utf-8')[0] # Our first character!
®

您看到的是字符串的表示，因为打印列表仅用于调试目的

要打印列表，请使用
.join
：

print ', '.join(sapnish_sents[1])

您看到的是字符串的表示，因为打印列表仅用于调试目的

要打印列表，请使用
.join
：

print ', '.join(sapnish_sents[1])

仅仅是一个初步的评论，拉丁文3或确实表示为南欧语，但它的目的是涵盖土耳其语，马耳他语和世界语。西班牙语更常用拉丁语1（ISO-8859-1或西欧）或拉丁语9（ISO-8859-15）编码

我可以确认字母
é
具有unicode代码点U+00E9，并且在拉丁语1和拉丁语3中表示为
'\xe9'
。它在UTF8中编码为
'\xc3\xc9'
，因此所有转换都是正确的

但真正的问题是我如何配置我的终端？如果不知道终端是什么，很难回答


如果它是真正的电传打字机或旧的vt100，没有重音字符：你不能（但我不认为你使用它…）
如果您使用Windows控制台，请声明代码页1252（非常接近拉丁文1）：
chcp 1252
并使用拉丁文1编码（或者更好的
'cp1252'
）
如果您在Linux或任何其他Unix或类似Unix上使用xterm（或任何衍生工具），请使用
export LANG=en_US.utf8
声明utf8字符集（如果您不喜欢美式英语，请选择您自己的语言，这里有趣的部分是
.utf8
），并使用utf8编码-或者声明iso-8859-1字符集（
export LANG=en_US.ISO-8859-1
）并使用拉丁编码
只是一个初步的注释，拉丁文3或确实表示为南欧语，但它的设计涵盖了土耳其语、马耳他语和世界语。西班牙语更常用拉丁语1（ISO-8859-1或西欧）或拉丁语9（ISO-8859-15）编码

我可以确认字母
é
具有unicode代码点U+00E9，在拉丁语1和拉丁语3中表示为
'\xe9'
。在UTF8中，它被编码为
'\xc3\xc9'
，因此所有转换都是正确的

但真正的问题是如何配置我的终端…？如果不知道终端是什么，很难回答


如果它是真正的电传打字机或旧的vt100，没有重音字符：你不能（但我不认为你使用它…）
如果您使用Windows控制台，请声明代码页1252（非常接近拉丁文1）：
chcp 1252
并使用拉丁文1编码（或者更好的
'cp1252'
）
如果您在Linux或任何其他Unix或类似Unix上使用xterm（或任何衍生工具），请使用
export LANG=en_US.utf8
声明utf8字符集（如果您不喜欢美式英语，请选择您自己的语言，这里有趣的部分是
.utf8
），并使用utf8编码-或者声明iso-8859-1字符集（
export LANG=en_US.ISO-8859-1
）并使用拉丁编码
OPs文本似乎已经是unicode字符串了（请参见
u'\xe9'
），因此解码这是一个令人困惑的建议。我认为这是一个非常糟糕的做法（对新手来说也是非常困惑的）创建带有非ASCII字符的字节字符串，如“®†\ˆø”。我想不出这样做是正确的。如果是文本，则创建unicode字符串（
u'
）。@lenz OP的注释表明它们具有
str（u'））
，而不是
u'\xe9'
。这意味着他们正在对
str
进行切片，从而得到不可靠的结果。他们需要将其转换为unicode对象，以便在索引中获得完整的值。@lenz尝试将unicode存储在
str
中是一种可怕的做法。这就是为什么
str
在Py3k中成为unicode的原因。然而，since看起来这正是OP正在做的，这个例子试图说明他为什么会得到这个结果。@lenz，第一段解释了我的两个评论，顺便说一句。OPs文本似乎已经是unicode字符串了（请参见
u'\xe9'
），所以解码这是一个令人困惑的建议。我认为这是一个非常糟糕的做法（对新手来说非常困惑）创建带有非ASCII字符的字节字符串，如“®†\ˆø”。我想不出这样做是正确的用例。创建unicode字符串