翻译特殊字符½

Question

我在看一个包含特殊字符 ½ 的源文件。我想把它转换成 1/2。这个字符是句子的一部分，我还需要正常使用这个字符串。我是在查看网页源代码，所以我不确定我是否总能知道编码是什么？

编辑：我试着看了其他的回答，但对我来说都不管用。它们总是从类似这样的内容开始：

s= u'£10"

但是我在那儿就遇到了一个错误：“没有声明编码”。那么我知道我得到的编码是什么吗，还是说这不重要？我是不是随便选一个就行？

Answer 1

你试过用 codecs 来读取你的文件吗？ [文档]

import codecs
fileObj = codecs.open( "someFile", "r", "utf-8" )
u = fileObj.read() # Returns a Unicode string from the UTF-8 bytes in the file

你可以在这里查看完整的指南 这里。

还有一个不错的参考： http://docs.python.org/howto/unicode

Answer 2

这实际上是两个问题。

#1. 如何理解 ½: 你可以使用 unicodedata 模块。这个模块可以让你查询字符的数字值，或者你也可以用一种标准的方式来处理这个字符，然后自己解析它。

>>> import unicodedata
>>> unicodedata.numeric(u'½')
0.5
>>> unicodedata.normalize('NFKC', u'½')
'1⁄2'

#2. 编码问题: 如果你在使用终端，确保 Python 知道终端的编码方式。如果你在写源文件，确保 Python 知道文件的编码方式。你不能随便“选择”一个编码给 Python，你必须告诉 Python 你的终端或文本编辑器 已经在使用的编码。

Python 允许你通过 Vim/Emacs 风格的注释来设置文件的编码。如果你使用 Vim，可以在文件顶部加一个这样的注释：

# coding=UTF-8

如果你使用 Emacs，可以加这个：

# -*- coding: UTF-8 -*-

如果你既不使用 Vim 也不使用 Emacs，那就随便哪个都可以。显然，如果你不是用 UTF-8 编码，你应该替换成你实际使用的编码。（我只推荐 UTF-8 编码。）

Answer 3

Dietrich 先说了，但我这里再补充一些关于设置源文件编码的细节：

因为你想在代码中使用字面上的 unicode 字符 ½，首先你得能在源文件里写出来。可惜的是，Python 解释器对 任何 unicode 输入都很敏感，除非你在文件的前几行加上一个注释来指定文件的编码，像这样：

 # coding=utf8
 # ... do stuff here ...

这假设你的编辑器是以 UTF-8 格式保存文件的。如果你用的是其他编码格式，就需要指定那个编码。想了解更多，可以查看 PEP-0263。

一旦你指定了编码，你就可以在代码中写类似这样的内容：

text = text.replace('½', '1/2')

网页的编码

根据你下载网页的方式，你可能根本不需要担心这个，大多数 HTTP 库会自动为你选择合适的编码。