将unicode对象转换为带实体的拉丁字符串

Question

我有一个unicode对象，像这样：

x = u"a & 日本語:  enči hallöle"

我想把它转换成一个带有html实体的latin-1字符串，像这样：

"a & 日本語: enči hallöle"

这样做的原因是，我希望我的用户能够输入unicode数据，但我需要保存数据的旧数据库只接受latin-1字符串。（“ö”这个字符不需要转换，但其他特殊字符必须转换）

有没有什么模块可以用来实现这个？我查过编码模块，研究了一些编解码器，也尝试了一些unicode对象的方法，但没有找到合适的解决办法。

Answer 1

只需要把你的内容编码成UTF-8格式，这样就安全了。

>>> x.encode("UTF-8")
'a & \xc3\xa6\xc2\x97\xc2\xa5\xc3\xa6\xc2\x9c\xc2\xac\xc3\xa8\xc2\xaa\xc2\x9e:  en\xc3\x84\xc2\x8di hall\xc3\x83\xc2\xb6le'

Answer 2

使用 "xmlcharrefreplace" 这个选项来进行 unicode.encode，不过要注意，它不会把 & 自动转换成 &。

>>> x = "a & 日本語:  enči hallöle".decode("utf-8")
>>> x.replace("&", "&").encode("latin-1", "xmlcharrefreplace")
'a & 日本語:  enči hall\xf6le'