我有一个项目，我需要“在任何可能的地方用ASCII等效替换所有非ASCII字符（在html中）”。
我只是想知道：标题中的字符是非ascii还是ascii？
如果它们是非ascii，我如何使用Pyhton将它们转换为ascii？谢谢！
答案 0 :(得分：4)
其中一些是ASCII，有些则不是。您可以查找HTML 4（或HTML5，XHTML 4等类似网址）的含义here。该表为您提供了每个实体的Unicode代码点; Unicode代码点0-127对应于ASCII字符0-127，Unicode代码点128+对应非ASCII。
对于那些非ASCII的，您必须先决定用替换它们的内容，然后再编写代码来替换它们。
特别是：
—为—，U + 2014，非ASCII，通常由--取代。–为–，U + 2013，非ASCII，通常由-取代。§是§，U + 00A7，非ASCII;没有常见的替代品，所以你必须选择一些东西，也许是"sect. "？ 是一个不间断的空间，U + 00A0，非ASCII，通常用空格代替。"是"，U + 0022，已经是ASCII。替换这些的一种方法是使用str.replace方法。例如：
h = h.replace('—', '--').replace('–', '-')
h = h.replace('§', 'sect. ').replace(' ', ' ')
但是，我认为你最好转换为非转义Unicode，然后使用str.translate（或unicode.translate，如果这是Python 2.x）来映射字符。一旦你有超过4个字符需要处理，翻译表就会比一长串replace调用更简单（并且更有效，如果重要）。这样，您还可以处理未转义的em-dashes或其他您没有注意到的角色。例如：
h = html.unescape(h)
table = {0x2013: '-', 0x2014: '--', 0x00a7: 'sect. ', 0x00A0: ' '}
h = h.translate(table)
h.encode('ascii') # forces an exception if you missed any non-ASCII chars