python中的iso-8859-1和utf8

Question

我有2个两个字符串，我想将它们进行比较。

1. "Hỗ trợ ngôn ngữ"我认为这是iso-8859-1编码
2. u'H\u1ed7 tr\u1ee3 ng\xf4n ng\u1eef' unicode。

2个字符串具有相同的内容。我想比较一下。 如何将第一个字符串转换为使用第二个字符串的相同编码。？

Answer 1

您拥有HTML实体，只需使用HTMLParser模块即可解决这些问题：

>>> import HTMLParser
>>> h = HTMLParser.HTMLParser()
>>> h.unescape("Hỗ trợ ngôn ngữ")
u'H\u1ed7 tr\u1ee3 ng\xf4n ng\u1eef'
>>> print h.unescape("Hỗ trợ ngôn ngữ")
Hỗ trợ ngôn ngữ

这些HTML实体使用十进制数字，而不是十六进制数字。 7895是十六进制的1ed7等。它们编码unicode代码点，不使用UTF-8或ISO-8859-1。 ISO-8859-1或Latin-1甚至不能编码这些特定的代码点（根据谷歌翻译，越南语为“语言支持”）。