Pythonの：Unicodeから文字列の複雑な辞書が

Question

可能性の重複をASCIIに変換します
How to get string Objects instead Unicode ones from JSON in Python?

私はJSON API呼び出しから解析されたマルチレベルの辞書などの入力がたくさんあります。文字列はすべてユニコードであるため、u'stuff like this'がたくさんあることを意味します。私はjqを使用して結果を再生し、これらの結果をASCIIに変換する必要があります。

は、私はちょうどそのようにそれを変換するための関数を書くことができます知っている：

def convert(input): 
    if isinstance(input, dict): 
     ret = {} 
     for stuff in input: 
      ret = convert(stuff) 
    elif isinstance(input, list): 
     ret = [] 
     for i in range(len(input)) 
      ret = convert(input[i]) 
    elif isinstance(input, str): 
     ret = input.encode('ascii') 
    elif : 
     ret = input 
    return ret 

がこのさえ正しいですか？わからない。それは私があなたに尋ねたいものではありません。

私が求めているのは、これが問題の典型的な強硬な解決策です。より良い方法が必要です。より平凡な方法。私はアルゴリズムの専門家ではありませんが、この方も特に高速に見えません。

もっと良い方法がありますか？そうでない場合は、この機能を改善できますか？

---

ポスト答え編集

Mark Amery's answerは正しいですが、私はそれの修正版を投稿したいと思います。彼の機能は、Python 2.7以降で動作し、私は2.6によので、それを変換する必要がありました：

def convert(input): 
    if isinstance(input, dict): 
     return dict((convert(key), convert(value)) for key, value in input.iteritems()) 
    elif isinstance(input, list): 
     return [convert(element) for element in input] 
    elif isinstance(input, unicode): 
     return input.encode('utf-8') 
    else: 
     return input 

Answer 1

再帰はここに行くための方法のように思えるが、あなたは、Pythonのバージョン2.xxにしている場合は、チェックしたいですunicodeではなくstr（strタイプはバイト列を表し、unicodeはユニコード文字列を入力しますが、他の文字列を継承せず、インタープリターに表示されているauを先頭に持つユニコードタイプの文字列です） 。

投稿コードにも構文エラーがあります（末尾のelif:はelseである必要があります）。入力が辞書またはリストの場合は同じ構造を返しません。 （辞書の場合は、最終的なキーの変換されたバージョンを返します;リストの場合は、最終的な要素の変換されたバージョンを戻しています）どちらも正しくありません。

また、あなたのコードを理解しやすくするために、Pythonicを使います。ここで

、そして、私がお勧めです：

def convert(input): 
    if isinstance(input, dict): 
     return {convert(key): convert(value) for key, value in input.iteritems()} 
    elif isinstance(input, list): 
     return [convert(element) for element in input] 
    elif isinstance(input, unicode): 
     return input.encode('utf-8') 
    else: 
     return input 

最後にひとつの事。私はencode('ascii')をencode('utf-8')に変更しました。私の推論は次の通りです：ASCII文字セットの文字だけを含むUnicode文字列は、utf-8でエンコードされたときにASCIIでエンコードされたときと同じバイト文字列で表されるため、ASCIIの代わりにutf-8を使用すると、あなたが扱っているUnicode文字列がASCII文字だけを使用している限り、変更は見えません。しかし、この変更により、Unicode文字セット全体から文字列を処理できるように関数の範囲が拡張されています。