我无法将以下Unicode转换为ASCII而不丢失数据:
u'ABRA\xc3O JOS\xc9'
我尝试了 encode
和 decode
,但它们没有完成。
有人有建议吗?
我无法将以下Unicode转换为ASCII而不丢失数据:
u'ABRA\xc3O JOS\xc9'
我尝试了 encode
和 decode
,但它们没有完成。
有人有建议吗?
Unicode字符u'\xce0'
和u'\xc9'
没有对应的ASCII值。因此,如果您不想丢失数据,就必须以某种作为ASCII有效的方式对该数据进行编码。选项包括:
>>> print s.encode('ascii', errors='backslashreplace')
ABRA\xc3O JOS\xc9
>>> print s.encode('ascii', errors='xmlcharrefreplace')
ABRAÃO JOSÉ
>>> print s.encode('unicode-escape')
ABRA\xc3O JOS\xc9
>>> print s.encode('punycode')
ABRAO JOS-jta5e
所有这些都是ASCII字符串,它们包含了原始Unicode字符串的所有信息(因此它们都可以被反转而不丢失数据),但对于最终用户来说它们并不够美观(而且没有哪个字符串能仅通过decode('ascii')
进行反转)。
有关更多信息,请参见str.encode
,Python特定编码和Unicode HOWTO。
顺便提一下,当有些人说“ASCII”时,他们真正指的并不是“ASCII”,而是“任何ASCII超集的8位字符集”或“某个我想到的特定8位字符集”。如果你是这个意思,解决方案就是编码为正确的8位字符集:
>>> s.encode('utf-8')
'ABRA\xc3\x83O JOS\xc3\x89'
>>> s.encode('cp1252')
'ABRA\xc3O JOS\xc9'
>>> s.encode('iso-8859-15')
'ABRA\xc3O JOS\xc9'
困难的部分在于搞清楚您想要使用哪个字符集。如果您正在编写生成8位字符串和消耗它的代码,并且您不知道更好的选择,那么您应该使用UTF-8。但是如果消耗8位字符串的代码是 open
函数、您提供页面服务的Web浏览器或其他任何东西,情况会更加复杂,没有足够的信息就很难给出简单答案。
os.environ["NLS_LANG"] = "AMERICAN_AMERICA.WE8ISO8859P1"
,然后转换为"latin-1"。 - Adriano Almeida>>> from unidecode import unidecode
>>> unidecode('ko\u017eu\u0161\u010dek')
'kozuscek'
>>> unidecode('30 \U0001d5c4\U0001d5c6/\U0001d5c1')
'30 km/h'
>>> unidecode('\u5317\u4EB0')
'Bei Jing '
我需要计算从HTTP请求
中接收到的unicode字符串
的MD5哈希值
。但是,使用MD5时会出现UnicodeEncodeError
错误,并且Python内置的编码方法无法解决此问题,因为它将字符串中的字符替换为相应的十六进制值
,从而改变了MD5哈希值
。
因此,我想出了以下代码,它在从unicode
转换时保持字符串不变。
unicode_string = ''.join([chr(ord(x)) for x in unicode_string]).strip()
这将从字符串中删除unicode
部分,并保留所有数据不变。