如何在Python中将字符串（UTF-8或其他）转换为简单的ASCII字符串？
在我的Python脚本中，我从一个我没有写的函数那里得到了一个字符串。这个字符串的编码格式不一样。我需要把它转换成ASCII格式。有没有什么简单的方法可以做到这一点？我不介意把那些不是ASCII字符的地方替换成空格或者其他什么东西……
5 个回答
我会先把字符串标准化，然后再进行编码。比如说：
import unicodedata
s = u"éèêàùçÇ"
print unicodedata.normalize('NFKD',s).encode('ascii','ignore')
这只有在你输入的是unicode时才有效。 所以，你必须知道这个函数输出的是什么编码，并且要能解码。如果你不知道，可以用一些编码检测的方法，但对于短字符串来说，这些方法并不可靠。
当然，你也可能会运气好，这个函数的输出依赖于各种未知的编码，但如果用ascii作为基础编码，那它们会把0到127的字节分配成相同的值（就像utf-8那样）。
在这种情况下，你可以通过使用OrderedSets来过滤掉不需要的字符：
import string.printable # asccii chars
print "".join(OrderedSet(string.printable) & OrderedSet(s))
或者如果你想用空格代替的话：
print("".join(((char if char in string.printable else " ") for char in s )))
使用“translate”也可以帮你做到这一点。
知道自己是否运气好唯一的方法就是试试看……有时候，一个大大的幸运日就是每个开发者所需要的 :-)
你说“它的编码是不同的”。我猜这里的“它”指的是Python 2.x中的“字符串”，其实就是一串字节。
回答第一部分：如果你不知道这个编码字符串的编码方式，那么不，你根本无法对它做任何有意义的操作。如果你知道编码方式，那么第一步就是把你的str转换成unicode：
encoded_string = i_have_no_control()
the_encoding = 'utf-8' # for the sake of example
text = unicode(encoded_string, the_encoding)
然后，如果你愿意，可以把你的unicode对象重新编码成ASCII格式。
ascii_garbage = text.encode('ascii', 'replace')
* 虽然有一些方法可以猜测编码，但这些方法比较慢而且不太可靠。这里有一个很不错的Python尝试：chardet。
如果你想要一个能清楚表示你拥有的内容的ASCII字符串，并且不丢失任何信息，那么答案很简单：
别去搞什么编码或解码，直接使用repr()函数（在Python 2.X中）或者ascii()函数（在Python 3.x中）。