python - 将非ASCII字符转换为特定字符

Question

---

大家好，感谢您的宝贵时间！

我有 iso-8859-1 html 文件作为输入，用 html 实体代替非 ascii 字符，这很整洁。除了只有一个字符：–（00C9 unicode 代码点，以防它不显示）。我想将其转换为“oe”以摆脱它。

我已经试过了 iconv -f iso-8859-1 -t ascii//translit

但它撕掉了有问题的角色，并没有在其位置放置任何东西。

我使用 python 2.7 并尝试了一些关于解码、编码、编解码器的方法，但我哪儿也不去。 这是我此时的代码：

i=0
for file in os.listdir(dir_in):
i+=1
file=codecs.open(dir_in+file,"r","iso-8859-1")
out=codecs.open(dir_out+str(i)+".html","w","utf-8")
    for line in file:
            #at this point the type of line is "unicode"
    line=line.decode("iso-8859-1",errors="replace")
            out.write(line)
file.close
out.close

（我无法正确显示缩进，但我向你保证这部分没问题） 我收到“ascii 编解码器无法编码字符 u\x9c”错误。我不确定我是否正确使用了解码。

我也试过了：

line=unicode(line)

在没有替换的情况下摆脱了角色（我猜这就是它应该做的）

line=unicode(line, errors="replace")

这给了我“TypeError：不支持解码 Unicode” 我想这两个没有用，因为我不应该给“unicode”一个已经是 unicode 的东西。

如果你有一个在 bash 或 perl 中执行此操作的简单方法，我也很感兴趣，但我不能使用 python 3，因为它不受必须运行该东西的服务器支持。

非常感谢！

Answer 1

你能在尝试写之前先replace有问题的角色吗？：

line = line.replace(u"\x9c", "oe")