Python，如何打印中文、韩文、日文字符串

Question

在Python中，对于日语、中文和韩语，Python无法正确输出字符串，例如日语、韩语和中文的“hello”的表示：

こんにちは
안녕하세요
你好

并打印出这些字符串：

In [1]: f = open('test.txt')

In [2]: for _line in f.readlines():
   ...:     print(_line)
   ...:     
こんにちは

안녕하세요

你好


In [3]: f = open('test.txt')

In [4]: print(f.readlines())
[ '\xe3\x81\x93\xe3\x82\x93\xe3\x81\xab\xe3\x81\xa1\xe3\x81\xaf\n', '\xec\x95\x88\xeb\x85\x95\xed\x95\x98\xec\x84\xb8\xec\x9a\x94\n', '\xe4\xbd\xa0\xe5\xa5\xbd\n']

In [5]: a = '你好'

In [6]: a
Out[6]: '\xe4\xbd\xa0\xe5\xa5\xbd'

我的Python版本是2.7.11，操作系统是Ubuntu 14.04。

如何处理这些字符串'\xe4\xbd\xa0\xe5\xa5\xbd\n'。

谢谢！

- GoingMyWay

---

迭代文件并打印各个元素。for line in f.readlines(): print line - letmutx

处理这些字符串是什么意思？ - letmutx

@user161151，你不能保证每次都能正确打印这些字符串，如果它打印出'\xe4\xbd\xa0\xe5\xa5\xbd\n'这样的字符串，那么很难理解这些输出。那么如何确保它总是打印正确的字符串呢？ - GoingMyWay

正确的字符串是什么意思？这些 {[u'\u3053\u3093\u306b\u3061\u306f\n', u'\uc548\ub155\ud558\uc138\uc694\n', u'\u4f60\u597d']} 是什么？ - Karl Doenitz

@HannesOvrén，我的Python版本是2.7.11。操作系统是Ubuntu 14.04。系统语言是英语。 - GoingMyWay

Answer 1

首先，您需要将文本作为Unicode读取。

import codecs
f = codecs.open('test.txt','r','utf-8')

第二步

在打印时，您应该像这样进行编码

unicodeText.encode('utf-8')

第三步

您应该确保控制台支持Unicode显示

用法

print sys.getdefaultencoding()

如果不尝试

reload(sys)
sys.setdefaultencoding('utf-8')

- sami

---

当我尝试使用 sys.setdefaultencoding('utf-8') 时，我收到了一个错误消息：AttributeError: module 'sys' has no attribute 'setdefaultencoding'。 - Samuel Muldoon

Answer 2

我的Python版本是2.7.11，操作系统是Mac OSX，我写的代码如下：

こんにちは
안녕하세요
你好

将文件保存为test.txt。我的程序是：

# -*-coding:utf-8-*-

import json


if __name__ == '__main__':
    f = open("./test.txt", "r")
    a = f.readlines()
    print json.dumps(a, ensure_ascii=False)
    f.close()

运行程序，结果：

["こんにちは\n", "안녕하세요\n", "你好"]

- Karl Doenitz

---

这完全不同。你正在编写Python列表的JSON字符串表示形式，而不是列表本身。 - Hannes Ovrén

我尝试了一些方法，如果你想要获取一个列表类型的数据，那么在打印列表中的数据时必须进行转义。你知道如何在不转义的情况下打印列表数据吗？ - Karl Doenitz

Answer 3

你所看到的是以下两者之间的区别：

1. 打印一个字符串 2. 打印一个列表

或更一般地说，这是对象的“非正式”和“正式”字符串表示之间的区别（请参见文档）。

在第一种情况下，Unicode字符串将被正确打印，就像你期望的那样，包括Unicode字符。

在第二种情况下，列表项将使用它们的表示而不是它们的字符串值进行打印。

for line in f.readlines():
    print line

这是第一个（好的）情况。

print f.readlines()

这是第二种情况。

您可以通过这个例子来检查差异：

 a = u'ð€œłĸªßð'
 print a
 print a.__repr__()
 l = [a, a]
 print l

这说明了特殊方法__str__()和__repr__()之间的区别，你可以自己尝试一下。

class Person(object):
    def __init__(self, name):
        self.name = name
    def __str__(self):
        return self.name
    def __repr__(self):
        return '<Person name={}>'.format(self.name)

p = Person('Donald')
print p  #  Prints 'Donald' using __str__
p # On the command line, prints '<Person name=Donald>' using __repr__

即，当您在控制台上仅键入对象名称时看到的值由__repr__定义，而使用print时看到的值由__str__定义。

- Hannes Ovrén

---

OP使用Python3，而你们的讨论是关于Python2的行为。 - gboffi

@gboffi：我们确定吗？是你添加了Python-3标签，而不是OP。print-as-a-function表示Python 3，但由于他可能使用了from __future__ ...，我们不能百分之百确定。除非使用Python 2，否则我无法重现OP的问题。 - Hannes Ovrén

@AlexanderYau 请在你的问题中添加 from __future__ import，或者添加相关的 Python2.x 标签。 - gboffi

@gboffi，对不起。 - GoingMyWay

抱歉，我在问题中误用了print作为函数，对于造成的干扰感到抱歉... - gboffi

Answer 4

我也曾被同样的问题困扰。
这肯定是你正在使用的字体的限制。
默认情况下，它设置为 "Consolas"。

你可以将其更改为 "MS Gothic" 或 "NSimSun"。 我个人更喜欢后者。 它们都能够显示日文/中文字符，但请确保您的系统编码设置为 utf-8，如上面回答中所提到的。

要在 cmd 中更改字体，请执行以下操作：

1. 单击 cmd 窗口左上角的 cmd 图标。
   
2. 出现一个下拉菜单。选择“属性”。
   
3. 从第二部分显示的列表中选择你喜欢的字体。
   
4. 点击确定。

- risingStark

Answer 5

试试这个：

import codecs

fp = codecs.open('test.txt', encoding='utf-8')

for line in fp:
    print line

- cuongnv23