Question

我需要使用Python和pyRTF在RTF中生成一个文档，一切正常：我对重音字母没有问题，它甚至接受欧元符号没有错误，但是我得到了这个符号而不是€ ：¤。我用这种方式编码字符串：

x.encode("iso-8859-15")

我搜索了很多，但我无法解决这个问题，我需要做些什么才能获得欧元符号？

Answer 1

RTF标准使用UTF-16，但形状适合RTF命令序列格式。记录在http://en.wikipedia.org/wiki/Rich_Text_Format#Character_encoding。不幸的是，pyRTF没有为你做任何编码;处理这个已经在项目的TODO上，但显然他们在放弃图书馆之前从未达到过这个目标。

这是基于我最近在项目中使用的代码。我现在发布了rtfunicode on PyPI，支持Python 2和3; python 2版本：

import codecs
import re

_charescape = re.compile(u'([\x00-\x1f\\\\{}\x80-\uffff])')
def _replace(match):
    codepoint = ord(match.group(1))
    # Convert codepoint into a signed integer, insert into escape sequence
    return '\\u%s?' % (codepoint if codepoint < 32768 else codepoint - 65536)    


def rtfunicode_encode(text, errors):
    # Encode to RTF \uDDDDD? signed 16 integers and replacement char
    return _charescape.sub(_replace, escaped).encode('ascii')


class Codec(codecs.Codec):
    def encode(self, input, errors='strict'):
        return rtfunicode_encode(input, errors), len(input)


class IncrementalEncoder(codecs.IncrementalEncoder):
    def encode(self, input, final=False):
        return rtfunicode_encode(input, self.errors)


class StreamWriter(Codec, codecs.StreamWriter):
    pass


def rtfunicode(name):
    if name == 'rtfunicode':
        return codecs.CodecInfo(
            name='rtfunicode',
            encode=Codec().encode,
            decode=Codec().decode,
            incrementalencoder=IncrementalEncoder,
            streamwriter=StreamWriter,
        )

codecs.register(rtfunicode)

而不是编码为“iso-8859-15”，您可以编码为'rtfunicode'而不是：

>>> u'\u20AC'.encode('rtfunicode') # EURO currency symbol
'\\u8364?'

以这种方式将您插入RTF文档的任何文本编码。

请注意，它仅支持UCS-2 unicode（\uxxxx，2个字节），而不支持UCS-4（\Uxxxxxxxx，4个字节）; rtfunicode 1.1通过简单地将UTF-16代理对编码为两个\uDDDDD?有符号整数来支持这些。

Answer 2

好消息是你没有做错任何事。坏消息是RTF无论如何都被视为ISO 8859-1。

>>> print u'€'.encode('iso-8859-15').decode('iso-8859-1')
¤

如果您希望正确阅读，则需要使用Unicode escape。

>>> print hex(ord(u'€'))
0x20ac

使用Python读取RTF文件时的欧元符号问题

2 个答案: