python - 将非ASCII字符转换为特定字符

Question

---

大家好，感谢你们的时间！

我有一些使用 iso-8859-1 编码的 HTML 文件，里面用 HTML 实体代替了非 ASCII 字符，这样处理还不错。除了一个字符：œ（这是它的 Unicode 编码，万一显示不出来我就写上了）。我想把它转换成 "oe"，这样就能去掉它了。

我已经尝试过：

iconv -f iso-8859-1 -t ascii//translit

但是这个方法把那个问题字符直接去掉了，什么都没替换上。

我用的是 Python 2.7，试过很多关于解码、编码和 codecs 的方法，但一直没能解决。现在我的代码是这样的：

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

（我在显示缩进时遇到了一些麻烦，不过我保证这一部分是没问题的）我得到了一个 "ascii codec cant encode character u\x9c" 的错误。我不确定我是不是正确使用了解码。

我还尝试过：

line=unicode(line)

这个方法去掉了那个字符，但没有替换上（我想这就是它应该做的）。

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

这个方法给了我 "TypeError : decoding Unicode is not supported" 的错误。我想这两个方法不成功是因为我不应该把已经是 Unicode 的东西再给 "unicode"。

如果你有简单的方法可以在 bash 或 perl 中实现，我也很感兴趣，但我不能用 Python 3，因为服务器不支持它。

非常感谢！

Answer 1

你能在尝试写这个字符之前，先把它替换掉吗？

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