instalar - read yaml python

¿Cómo obligar a PyYAML a cargar cadenas como objetos Unicode?

Question

El paquete PyYAML carga cadenas no marcadas como objetos unicode o str, dependiendo de su contenido.

Me gustaría usar objetos Unicode en mi programa (y, lamentablemente, todavía no puedo cambiar a Python 3).

¿Existe una manera fácil de forzar a PyYAML a que siempre las cadenas carguen objetos Unicode? No quiero saturar mi YAML con etiquetas !!python/unicode .

# Encoding: UTF-8

import yaml

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

print yaml.load(menu)

Salida: [''spam'', ''eggs'', ''bacon'', u''cr/xe8me br/xfbl/xe9e'', ''spam'']

Me gustaría: [u''spam'', u''eggs'', u''bacon'', u''cr/xe8me br/xfbl/xe9e'', u''spam'']

Answer 1

Aquí hay una función que podría usar para reemplazar str con tipos unicode de la salida descodificada de 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]})

Answer 2

Aquí hay una versión que anula el manejo PyYAML de las cadenas al generar siempre unicode . En realidad, este es probablemente el resultado idéntico de la otra respuesta que publiqué, excepto la más corta (es decir, aún debe asegurarse de que las cadenas en las clases personalizadas se conviertan a unicode o se pasen a unicode cadenas de unicode si utiliza controladores personalizados):

# -*- 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
""")

(Lo anterior da [u''spam'', u''eggs'', u''bacon'', u''cr/xe8me br/xfbl/xe9e'', u''spam''] )

No lo he probado en LibYAML (el analizador basado en C) porque no pude compilarlo, así que dejaré la otra respuesta como estaba.