字符编码、XML、Excel、python

Question

我正在阅读从另一个软件程序导入到excelxml文件中的字符串列表。我不确定excel文件的编码是什么，但我很确定它不是windows-1252，因为当我尝试使用这种编码时，我会遇到很多错误。在

现在给我带来麻烦的一个词是：“Zmysłowska，Magdalena”（注意“l”不是标准的“l”，而是有一个斜杠贯穿其中）。在

我试过几件事，在这里我要提到三件事：

（一）

page = unicode(page, "utf-8")
page = unicodedata.normalize("NFKD", page)
page = page.encode("utf-8", "ignore")

Output: Zmys\xc5\x82owska, Magdalena
Output after print statement: Zmysłowska, Magdalena

（二）

^{pr2}$

（三） 什么都不做（不规范化，不解码，不编码）。当它进来的时候，它似乎已经是utf-8了。但是，当我什么也不做时，字符串最后会再次输出以下输出：

Output: Zmys\xc5\x82owska, Magdalena
Output after print statement: Zmysłowska, Magdalena

有没有办法把这个字符串转换成utf-8？在

Answer 1

你的问题不在于你的编码和解码。代码正确地接受UTF-8字符串，并将其转换为NFKD规范化的UTF-8字符串。（您可能希望使用page.decode("utf-8")而不是{}，以防将来使用python3，并使代码更易于阅读，因为encode和{}显然是并行的，但您不必这样做；两者是等效的。）

实际上，您的问题是将UTF-8字符串打印到不是UTF-8的上下文中。很可能您正在打印到cmd窗口，默认为Windows-1252。因此，cmd试图将UTF-8字符解释为Windows-1252，并得到垃圾。在

有一个非常简单的方法来测试这个。让Python将UTF-8字符串解码为Windows-1252，然后查看生成的Unicode字符串是否与所看到的一样。在

>>> print page.decode('windows-1252')
Zmysłowska, Magdalena

>>> print repr(page.decode('windows-1252'))
u'Zmys\xc5\u201aowska, Magdalena'

有两种解决方法：

1. 打印Unicode字符串并让Python处理它。在
2. 打印转换为适当编码的字符串。在

对于方案1：

^{pr2}$

对于选项2，它将是以下选项之一：

print page.decode("utf-8").encode("windows-1252")
print page.decode("utf-8").encode(sys.getdefaultencoding())

当然，如果保留中间Unicode字符串，就不需要所有这些decode调用：

upage = page.decode("utf-8")
upage = unicodedata.normalize("NFKD", upage)
page = upage.encode("utf-8", "ignore")

print upage