Question

OS: CentOS 6.5
Python version: 2.7.5

我有一个包含以下信息样本的文件。我想搜索并替换分号符号并替换为$ 0。盈。

Alpha $1.00
Beta  ¢55  <<<< note
Charlie $2.00
Delta  ¢23  <<<< note

我希望它看起来像这样：

Alpha $1.00
Beta  $0.55  <<<< note
Charlie $2.00
Delta  $0.23  <<<< note

所以命令行中的代码（有效）是：

sed 's/¢/$0./g' *file name*

然而，使用python对其进行编码不起作用：

import subprocess
hello = subprocess.call('cat datafile ' + '| sed "s/¢/$0./g"',shell=True)
print hello

每当我尝试粘贴¢符号时似乎都会出错。

稍微接近一点，当我在Python中打印分号的unicode时，它出现在下面：

print(u"\u00A2")
Â¢

当我捕捉我的数据文件时，它实际上显示为¢符号，错过了Â。＆LT;＆LT;不确定这是否有任何帮助

我认为当我尝试使用Unicode时，在¢之前添加的符号不允许我搜索和替换。

尝试unicode时的错误代码：

hello = subprocess.call(u"cat datafile | sed 's/\uxA2/$0./g'",shell=True)
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 25-26: truncated \uXXXX escape

将uxA2修复为u00A2，我明白了：

sed: -e expression #1, char 7: unknown option to `s'
1

任何想法/想法？

这两个例子我都得到以下错误：

[root@centOS user]# python test2.py
Traceback (most recent call last):
  File "test2.py", line 3, in <module>
    data = data.decode('utf-8')             # decode immediately to Unicode
  File "/usr/local/lib/python2.7/encodings/utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xa2 in position 6: invalid start byte

[root@centOS user]# python test1.py
Traceback (most recent call last):
  File "test1.py", line 11, in <module>
    hello_unicode = hello_utf8.decode('utf-8')
  File "/usr/local/lib/python2.7/encodings/utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xa2 in position 6: invalid start byte

这是文件的标记：

[root@centOS user]# cat datafile
alpha ¢79

这是数据文件的Nano：

alpha ï¿½79

这是数据文件的Vim：

[root@centOS user]# vim fbasdf
alpha Â¢79
~

再次感谢所有帮助人员

ANSWER !!

Rob和Thomas的SED输出有效。文件格式保存为charset = iso-8859-1。我无法在文档中搜索utf-8格式字符。

标识文件字符集：

file -bi datafile
text/plain; charset=iso-8859-1

使用以下代码更改文件：

iconv -f iso-8859-1 -t utf8 datafile > datafile1

Answer 1

窃取托马斯的答案并扩展它：

import subprocess

# Keep all strings in unicode as long as you can.
cmd_unicode = u"sed 's/\u00A2/$0./g' < datafile"

# only convert them to encoded byte strings when you send them out
# also note the use of .check_output(), NOT .call()
cmd_utf8 = cmd_unicode.encode('utf-8')
hello_utf8 = subprocess.check_output(cmd_utf8, shell=True)

# Decode any incoming byte string to unicode immediately on receipt
hello_unicode = hello_utf8.decode('utf-8')

# And you have your answer
print hello_unicode

上面的代码演示了在外部使用＆＃34; Unicode三明治＆＃34;：字节，在内部使用Unicode。见http://nedbatchelder.com/text/unipain.html

对于这个简单的例子，您可以轻松地完成Python中的所有操作：

with open('datafile') as datafile:
    data = datafile.read()              # Read in bytes
data = data.decode('utf-8')             # decode immediately to Unicode
data = data.replace(u'\xa2', u'$0.')    # Do all operations in Unicode
print data                              # Implicit encode during output

Answer 2

此外，将您的字符串更改为unicode字符串，并将分号替换为\u00A2。

这里是固定代码：

import subprocess
hello = subprocess.call(u"cat datafile | sed \"s#\u00A2#$0.#g\"",shell=True)
print hello

在Python中搜索和替换分号

2 个答案: