标签: iso-8859-15

我正在尝试自动执行一系列查询，但是，我需要将带有重音符号的字符替换为相应的 html 实体。\n它需要在 Python3 中

例子：

v\xc3\xa8lit \n[needs to become] \nvèlit\n

问题是，每当我尝试执行 a 时word.replace，它都找不到。

这：

if u'\xc3\xa8' in sentence:\n    print(u'Found \xc3\xa8')\n

工作并找到“\xc3\xa8”，但执行以下操作：

word.replace('\xc3\xa8','è')\n

什么都不做。

我想将unicode字符串转换为iso-8859-15.这些字符串包括u"\u2019"(RIGHT SINGLE QUOTATION MARK参见http://www.fileformat.info/info/unicode/char/2019/index.htm)字符,该字符不是iso-8859-15字符集的一部分.

在Python中,如何规范化unicode字符以匹配iso-8859-15编码？

我看过unicodedata模块没有成功.我设法完成这项工作

s.replace(u"\u2019", "'").encode('iso-8859-15')

但我想找到一种更通用,更清洁的方式.

谢谢你的帮助

我正在使用Python 2.7.6,我正在尝试将基本的unicode字符串转换为iso8859-15.

尝试转换带有非ASCII字符的字符串时出错.这可能没问题,当这些字符不存在时是iso8859-15编码,但在这种情况下它们会:

例:

>>> import codecs
>>> a = "test"
>>> a
'test'
>>> a.encode ('iso8859-15')
'test'
>>> a = "ü"
>>> a
'\xfc'
>>> a.encode ('iso8859-15')

错误代码:

Traceback (most recent call last):
  File "<pyshell#20>", line 1, in <module>
    a.encode ('iso8859-15')
  File "C:\Python27\lib\encodings\iso8859_15.py", line 12, in encode
    return codecs.charmap_encode(input,errors,encoding_table)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xfc in position 0: ordinal not in range(128)

在这种情况下,"ü"是一个有效的iso8859-15 char,其中十六进制值为fc或11111100为二进制.查看"C:\ Python27\lib\encodings\iso8859_15.py",第300行中的值为FC:

    47:  decoding_table = (
    48:  u'\x00'     #  0x00 -> NULL
    ..... …

这可能与我之前的问题有关（关于如何将“för”转换为“för”）

所以我在我的代码中创建了一个文件。现在我通过以下代码创建它：

FileWriter fwOne = new FileWriter(wordIndexPath);
BufferedWriter wordIndex = new BufferedWriter(fwOne);

跟着几个

wordIndex.write(wordBuilder.toString()); //that's a StringBuilder

结束（在while循环之后）

wordIndex.close();

现在问题是这个文件很大，我想（需要）在不遍历整个文件的情况下跳转到它。让我这样做的seek(long pos)方法RandomAccessFile。

这是我的问题：我创建的文件中的字符似乎是用 UTF-8 编码的，我寻找时唯一的信息是我想跳转到的字符位置。seek(long pos)另一方面，以字节为单位跳转，因此我不会在正确的位置结束，因为 UTF-8 字符可能超过一个字节。

这是我的问题：当我写文件时，我可以用 ISO-8859-15 来写它吗（其中一个字符是一个字节）？这样，这seek(long pos)将使我处于正确的位置。或者我应该尝试使用替代方法RandomAccessFile（是否有替代方法可以跳转到字符位置？）