删除扩展ASCII并保留文本

Question

如何将一个包含扩展 ASCII 字符的字符串转换成表示一个数字的幂，同时保留指数的值呢？比如，如果字符串是 'm\xb3/h'，它的意思是每小时立方米，我希望返回的字符串是 'm3/h'。再比如 'm\xb2' 应该返回 'm2'。

下面是代码 -

varUnit = 'm\xb3/h'
varUnit.decode('ascii', 'ignore').endcode('ascii')
print varUnit

但是它返回的是 'm/h'，而我想要的是 'm3/h'。

Answer 1

上标数字有兼容的分解方式，所以你可以这样做：

>>> import unicodedata
>>> unicodedata.normalize('NFKC', 'm²')
'm2'

Answer 2

首先要知道的是，实际上并没有一个统一的“扩展ASCII”。ASCII有很多不同的扩展方式。简单测试一下，你可能需要用“latin_1”或者“cp1252”。所以，第一步是把它转换成Unicode（这是一种存储任何字符的方法）：

varUnit = varUnit.decode("latin_1")

编辑：如果你只是想在自己的应用程序中显示它，那么到这里就可以了，直接使用Unicode就行。用print varUnit应该能显示出m³。不过，有些老旧系统可能无法处理Unicode，这种情况下：

你需要把它简化成可以用纯ASCII表示的字符。最简单的方法是使用unidecode模块（你可以通过pip或easy_install来安装它）：

from unidecode import unidecode
print unidecode(varUnit)