如何提取python中unicode字符的真实值？

Question

我正在尝试使用“scrapy”构建一个网站解析器。我目前的目标是在以下页面提取列表的所有标题：https://www.avito.ru/leningradskaya_oblast_kirovsk/kvartiry/prodam/1-komnatnye（语言：俄语）。

然而，使用

response.xpath('here_comes_the_path_to_a_title').extract()

我得到的是这样的：

[u'\n 1-\u043a \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u0430， 56 \u043c\xb2， 4/5 \u044d\u0442.'， u'n 1-\u043a \u0432\u0430\u0440\u0442\u0438\u0440\u0430\ 32 \u043c\xb2， 3/3 \u044d\u0442.'， u'\n 1-\u043a \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u0430， 48 \u043c\xb2， 11/16 \u044d\u0442.'， u'\n 1-\u043a \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u0430\u0430\u0430\u0430\u0430\ 42 \u043c\xb2， 1/4 \u044d\u0442.'， u'\n 1-\u043a \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u0430， 37 \u043c\xb2， 1/9 \u044d\u0442.'， u'\n 1-\u043a \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u0430， 42 \u043c\xb2， 3/4 \u044d\u0442.'， u'n 1-\u043a \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u0430\u0430\u043c\xb2， 3/3 \u0444d\u0442.'，]

这显然是用unicode编码的所有标题的列表。

现在，问题来了。我想要这些项目（上面列表的值）的原始形式（就像它们在互联网页面上用原始语言写的一样）。例如，我想要一本字典：

{'title': 'the_first_value_of_the_above_list_in_original_language'}

然后将此类字典的列表存储在JSON或CSV文件中。

有可能解码这些unicode字符串并得到它们的原始值吗？

*p.s .我还注意到，我在python shell中使用print函数获得了原始值:

>>> str = u'\n 1-\u043a  \u043a\u0432\u0430\u0440\u0442\u0438\u0440\u0430, 56 \u043c\xb2, 4/5 \u044d\u0442.'
>>> print str 

但是我不知道如何提取这个值并把它写到一个文件中

Answer 1

…这显然是用unicode编码的所有标题的列表。

不正确。它是字符串中包含的字符的表示。正如您使用REPL发现的那样，字符串本身确实包含您期望的字符。

如果您需要将这些字符写到一个文件中，那么您需要为该文件选择一种编码，并在打开时使用它。

with io.open('output.txt', 'w', encoding='utf-8') as fp: