我从Google文档中提取数据,进行处理,并将其写入文件(最终我将粘贴到Wordpress页面)。
它有一些非ASCII符号。如何安全地将这些转换为可在HTML源代码中使用的符号?
目前,我正在将所有内容转换为Unicode,并将其组合成一个Python字符串,然后执行以下操作:
import codecs
f = codecs.open('out.txt', mode="w", encoding="iso-8859-1")
f.write(all_html.encode("iso-8859-1", "replace"))
最后一行出现编码错误:
UnicodeDecodeError: 'ascii' codec can't decode byte 0xa0 in position 12286: ordinal not in range(128)
部分解:
此Python运行时没有错误:
row = [unicode(x.strip()) if x is not None else u'' for x in row]
all_html = row[0] + "<br/>" + row[1]
f = open('out.txt', 'w')
f.write(all_html.encode("utf-8"))
但是如果我打开实际的文本文件,我会看到很多符号,比如:
Qur’an
也许我需要写点别的东西而不是文本文件?
通过在第一次获得unicode对象时将其解码为unicode对象,并在离开时根据需要对其进行编码,尽可能专门地处理unicode对象。
如果字符串实际上是unicode对象,则在将其写入文件之前,需要将其转换为unicode编码的字符串对象:
再次读取该文件时,将得到一个unicode编码的字符串,可以将其解码为unicode对象:
在Python2.6+中,您可以use ^{} 这是Python3上的默认值(builtin ^{} ):
如果需要以增量方式编写文本(不需要多次调用
unicode_text.encode(character_encoding)
),这可能会更方便。与codecs
模块不同,io
模块具有适当的通用换行符支持。Unicode字符串处理在Python3中已经标准化。
只需以utf-8打开文件 (32位Unicode到可变字节长度的utf-8转换将自动从内存转换到文件。)
相关问题 更多 >
编程相关推荐