Генерировать случайные строки китайских иероглифов в Python

Я написал небольшой фрагмент кода, который ищет в App Store случайную строку из трех букв:

searchTerm = (''.join(random.choice(string.ascii_lowercase) for i in range(3)))
    urllib.urlretrieve("https://itunes.apple.com/search?country=us&entity=software&limit=5&term=" + str(searchTerm), "download.txt")

Теперь мне интересно, как я мог бы сделать то же самое, но с китайскими иероглифами, так как я хотел бы также изучить китайский App Store.

Я просмотрел этот вопрос создание списка традиционных Китайские иероглифы из строки, но это не помогло.


python chinese-locale
person vandernath    schedule 05.08.2015    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Что такое китайский символ, сложно, см. Каков полный диапазон китайских символов в Unicode?

Вы можете выбрать диапазоны Unicode, которые подходят для вашего случая:

#!/usr/bin/env python2
import random
import urllib

common, rare = range(0x4e00, 0xa000), range(0x3400, 0x4e00)
chars = map(unichr, rare + common)
random_word = u''.join([random.choice(chars) for _ in range(3)]) # 3 letters
search_term = urllib.quote(random_word.encode('utf-8'), safe='')
path, headers = urllib.urlretrieve("https://itunes.apple.com/search?"
    "country=cn&entity=software&limit=5&term=" + search_term,
    u"download%s.json" % random_word)

Вы, вероятно, хотите data = json.load(urllib2.urlopen(url)) вместо сохранения ответа в файл.

person jfs    schedule 06.08.2015
comment
Спасибо. Однако когда я печатаю search_term, я получаю странную строку символов, подобную этой: %E3%B6%80%E3%B5%8B%E4%9F%BF Почему? Проблема с кодировкой? - person vandernath; 06.08.2015
comment
@vandernath: нет, это ожидается для значения в кодировке urlencoded. Вместо этого вы хотите напечатать random_word (строка Unicode). - person jfs; 06.08.2015
comment
Понятно. Тогда мне непонятна строка search_term, зачем перед поиском кодировать random_word? Я просто хотел бы понять ваш код, поскольку я новичок. :-) - person vandernath; 06.08.2015
comment
@vandernath: URL-адрес не может содержать символы, отличные от ASCII. Они должны быть закодированы в процентах. Некоторые браузеры автоматически декодируют URL-адрес в адресной строке (чтобы отобразить его человеку), но всегда отправляют процентно закодированные URL на http-сервер. Запустите анализатор сети, например tcpdump, wireshark, чтобы увидеть необработанные URL-адреса (или просто скопируйте URL-адрес с Unicode и вставьте его в текстовый редактор. - person jfs; 06.08.2015