从字符串中删除特殊字符 (¡)答案

【问题标题】：Removing special characters (¡) from a string从字符串中删除特殊字符 (¡)
【发布时间】：2016-01-23 09:29:44
【问题描述】：

我正在尝试从集合中写入文件。该集合具有像¡这样的特殊字符，这会产生问题。例如，集合中的内容具有以下详细信息：

{...，名称：¡嗨！，...}

现在我正在尝试将相同的内容写入文件，但出现错误

UnicodeEncodeError: 'ascii' codec can't encode character u'\xa1' in position 0: ordinal not in range(128)

我尝试过使用here 提供的解决方案，但没有成功。如果有人可以帮助我，那就太好了:)

所以例子是这样的：

我有一个包含以下详细信息的集合

{ "_id":ObjectId("5428ead854fed46f5ec4a0c9"), 
   "author":null,
   "class":"culture",
   "created":1411967707.356593,
   "description":null,
   "id":"eba9b4e2-900f-4707-b57d-aa659cbd0ac9",
   "name":"¡Hola!",
   "reviews":[

   ],
   "screenshot_urls":[

   ]
}

现在我尝试从集合中访问此处的 name 条目，我通过在集合上迭代它来做到这一点，即

f = open("sample.txt","w");

for val in exampleCollection:
   f.write("%s"%str(exampleCollection[val]).encode("utf-8"))

f.close();

【问题讨论】：

您是否尝试过提供的链接中接受的答案？
您能否向我们展示更多有关您如何对集合进行实际编码但它不起作用的详细信息？
感谢您的反馈，我已经编辑了问题并提供了示例。 - @blackmamba
我已经编辑并添加了一个代码 sn-p 以便更好地理解我提出的问题。很抱歉发布一个模棱两可的问题。 - @bourbaki4481472
UnicodeEncodeError: 'ascii' codec can't encode character u'\xa0' in position 20: ordinal not in range(128)的可能重复

标签： python unicode special-characters

【解决方案1】：

正如一位用户在this 页面上发布的那样，您应该查看文档中的 Unicode 教程：https://docs.python.org/2/howto/unicode.html

您正在尝试使用 ASCII 范围之外的字符，即只有 128 个符号。不久前我发现了一篇非常棒的文章，我会尝试在此处找到并发布。

编辑：啊，这里是：http://www.joelonsoftware.com/articles/Unicode.html

【讨论】：

【解决方案2】：

删除不需要的字符的最简单方法是指定要删除的字符。

>>> import string
>>> validchars = string.ascii_letters + string.digits + ' '
>>> s = '¡Hi there!'
>>> clean = ''.join(c for c in s if c in validchars)
>>> clean
'Hi there'

如果某些形式的标点符号没问题，请将它们添加到有效字符中。

【讨论】：

【解决方案3】：

这将删除字符串中所有不是有效 ASCII 的字符。

>>> '¡Hola!'.encode('ascii', 'ignore').decode('ascii')
'Hola!'

您也可以write the file as UTF-8，它可以代表地球上几乎所有的角色。

【讨论】：

【解决方案4】：

您正在尝试在“严格”模式下将 unicode 转换为 ascii：

>>> help(str.encode)
Help on method_descriptor:

encode(...)
    S.encode([encoding[,errors]]) -> object

    Encodes S using the codec registered for encoding. encoding defaults
    to the default encoding. errors may be given to set a different error
    handling scheme. Default is 'strict' meaning that encoding errors raise
    a UnicodeEncodeError. Other possible values are 'ignore', 'replace' and
    'xmlcharrefreplace' as well as any other name registered with
    codecs.register_error that is able to handle UnicodeEncodeErrors.

您可能想要以下内容之一：

s = u'¡Hi there!'

print s.encode('ascii', 'ignore')    # removes the ¡
print s.encode('ascii', 'replace')   # replaces with ?
print s.encode('ascii','xmlcharrefreplace') # turn into xml entities
print s.encode('ascii', 'strict')    # throw UnicodeEncodeErrors

【讨论】：