Question

我使用xmlcharrefreplace替换字符串中的非标准字符，以便将其保存在xml文件中。稍后，我想将此字符串重新转换回原始字符。

import openpyxl
import cgi
from html.parser import HTMLParser
parser = HTMLParser()

startingString = "Tỉnh Đồng Nai" #example string
print("Starting string: " + startingString) #Starting string: Tỉnh Đồng Nai

# 1. This string contains non-standard characters. Convert these characters using xmlcharrefreplace
escapedString = cgi.escape(startingString)
strEscapedString = str(escapedString)
aposString = strEscapedString.replace("'", "&apos;")
savedToExcelString = str(aposString.encode('utf-8', 'xmlcharrefreplace') )[2:-1]

print("xmlcharrefreplace converted to: " + savedToExcelString) #xmlcharrefreplace converted to: T\xe1\xbb\x89nh \xc4\x90\xe1\xbb\x93ng Nai

# 2. The string is saved to an xml file
# 3. The string is read from an xml file

# 4. Convert the string back into the original starting string
unescapedString = parser.unescape(savedToExcelString)
#what do I do here??? I need to 'undo' the xmlcharrefreplace encoding

print(startingString + " == " + unescapedString + " is " + str(startingString == unescapedString))
#  Tỉnh Đồng Nai == T\xe1\xbb\x89nh \xc4\x90\xe1\xbb\x93ng Nai is False 
#  ^^ Should be the same string at the end

请注意，我不能使用codecs.open（），因为我使用库openpyxl来打开包含数据的Excel文件。输入可能是什么字符集没有限制 - 我希望最后的字符串与初始字符串相同。

目标：将xmlcharrefreplace中的字符转换回其脚本字符。例如：＆＃34; \ x90＆＃34;成为＆＃34;ồ＆＃34;

Answer 1

您所描述的内容是不可能的，一般。当您从大字符集（任何东西）转换为较小的字符集时，您将丢失信息。除非您对编码结果有限制，否则您无法对可以反转的内容进行编码。

但是，如果您对输入中不出现的标记的数据库有一些协议（例如字符序列＆＃34; \ x＆＃34;），则可以使用其中一个或多个表示编码字符串，您可以在该区域中创建任何您喜欢的代码。例如，请注意示例输入稍后显示为"T\xe1\xbb\x89nh \xc4\x90\xe1\xbb\x93ng Nai"。

如果这对您有用，我建议您创建一对一的映射，存储在字典中（及其反向），并在关键步骤中简单地在两个方向上索引字典。我假设您可以自己处理检测逻辑（编码时为非ASCII字符;解码时标记序列）。

Python字符串编码xmlcharrefreplace decode

1 个答案: