如何迫使PYYAML作为Unicode对象加载字符串？

Question

PYYAML软件包将未标记的字符串作为Unicode或Str对象加载，具体取决于其内容。

我想在整个程序中使用Unicode对象（不幸的是，现在还不能切换到Python 3）。

是否有一种简单的方法来强迫Pyyaml始终加载Unicode对象？我不想和我的yaml混乱 !!python/unicode 标签。

# Encoding: UTF-8

import yaml

menu= u"""---
- spam
- eggs
- bacon
- crème brûlée
- spam
"""

print yaml.load(menu)

输出： ['spam', 'eggs', 'bacon', u'cr\xe8me br\xfbl\xe9e', 'spam']

我想： [u'spam', u'eggs', u'bacon', u'cr\xe8me br\xfbl\xe9e', u'spam']

Answer 1

这是一个版本，通过始终输出来覆盖字符串的PYYAML处理 unicode. 。实际上，这可能是我发布的其他响应的相同结果（即您仍然需要确保自定义类中的字符串转换为 unicode 或通过 unicode 如果您使用自定义处理程序，则自己的字符串）：

# -*- coding: utf-8 -*-
import yaml
from yaml import Loader, SafeLoader

def construct_yaml_str(self, node):
    # Override the default string handling function 
    # to always return unicode objects
    return self.construct_scalar(node)
Loader.add_constructor(u'tag:yaml.org,2002:str', construct_yaml_str)
SafeLoader.add_constructor(u'tag:yaml.org,2002:str', construct_yaml_str)

print yaml.load(u"""---
- spam
- eggs
- bacon
- crème brûlée
- spam
""")

（以上给出 [u'spam', u'eggs', u'bacon', u'cr\xe8me br\xfbl\xe9e', u'spam'])

我还没有测试 LibYAML （基于C的解析器）尽管我无法编译，所以我将留下其他答案。

Answer 2

这是您可以用来替换的功能 str 和 unicode 解码输出的类型 PyYAML:

def make_str_unicode(obj):
    t = type(obj)

    if t in (list, tuple):
        if t == tuple:
            # Convert to a list if a tuple to 
            # allow assigning to when copying
            is_tuple = True
            obj = list(obj)
        else: 
            # Otherwise just do a quick slice copy
            obj = obj[:]
            is_tuple = False

        # Copy each item recursively
        for x in xrange(len(obj)):
            obj[x] = make_str_unicode(obj[x])

        if is_tuple: 
            # Convert back into a tuple again
            obj = tuple(obj)

    elif t == dict: 
        for k in obj:
            if type(k) == str:
                # Make dict keys unicode
                k = unicode(k)
            obj[k] = make_str_unicode(obj[k])

    elif t == str:
        # Convert strings to unicode objects
        obj = unicode(obj)
    return obj

print make_str_unicode({'blah': ['the', 'quick', u'brown', 124]})