Question

我需要摆脱我从xml文件中获取的字符串中的波兰字符。我使用.replace（）但在这种情况下它不起作用。为什么？代码：

# -*- coding: utf-8
from prestapyt import PrestaShopWebService
from xml.etree import ElementTree

prestashop = PrestaShopWebService('http://localhost/prestashop/api', 
                              'key')
prestashop.debug = True

name = ElementTree.tostring(prestashop.search('products', options=
{'display': '[name]', 'filter[id]': '[2]'}), encoding='cp852',  
method='text')

print name
print name.replace('ł', 'l')

输出：

Naturalne mydło odświeżające
Naturalne mydło odświeżające

但是当我尝试替换非波兰字符时，它可以正常工作。

print name
print name.replace('a', 'o')

结果：

Naturalne mydło odświeżające
Noturolne mydło odświeżojące

这也很好：

name = "Naturalne mydło odświeżające"
print name.replace('ł', 'l')

有任何建议吗？

Answer 1

如果我正确理解您的问题，您可以使用unidecode：

>>> from unidecode import unidecode
>>> unidecode("Naturalne mydło odświeżające")
'Naturalne mydlo odswiezajace'

您可能必须先使用name.decode('utf_8')解码cp852编码的字符串。

Answer 2

您正在使用字节字符串混合编码。这是一个重现问题的简短工作示例。我假设您在Windows控制台中运行，默认编码为cp852：

#!python2
# coding: utf-8
from xml.etree import ElementTree as et
name_element = et.Element('data')
name_element.text = u'Naturalne mydło odświeżające'
name = et.tostring(name_element,encoding='cp852', method='text')
print name
print name.replace('ł', 'l')

输出（无替换）：

Naturalne mydło odświeżające
Naturalne mydło odświeżające

原因是，name字符串在cp852中编码，但字节字符串常量'ł'以utf-8的源代码编码进行编码。

print repr(name)
print repr('ł')

输出：

'Naturalne myd\x88o od\x98wie\xbeaj\xa5ce'
'\xc5\x82'

最佳解决方案是使用Unicode字符串：

#!python2
# coding: utf-8
from xml.etree import ElementTree as et
name_element = et.Element('data')
name_element.text = u'Naturalne mydło odświeżające'
name = et.tostring(name_element,encoding='cp852', method='text').decode('cp852')
print name
print name.replace(u'ł', u'l')
print repr(name)
print repr(u'ł')

输出（替换）：

Naturalne mydło odświeżające
Naturalne mydlo odświeżające
u'Naturalne myd\u0142o od\u015bwie\u017caj\u0105ce'
u'\u0142'

请注意，Python 3的et.tostring具有Unicode选项，字符串常量默认为Unicode。字符串的repr()版本也更具可读性，但ascii()实现旧行为。您还会发现Python 3.6甚至可以将波兰语打印到不使用波兰语代码页的控制台上，因此您可能根本不需要替换字符。

#!python3
# coding: utf-8
from xml.etree import ElementTree as et
name_element = et.Element('data')
name_element.text = 'Naturalne mydło odświeżające'
name = et.tostring(name_element,encoding='unicode', method='text')
print(name)
print(name.replace('ł','l'))
print(repr(name),repr('ł'))
print(ascii(name),ascii('ł'))

输出：

Naturalne mydło odświeżające
Naturalne mydlo odświeżające
'Naturalne mydło odświeżające' 'ł'
'Naturalne myd\u0142o od\u015bwie\u017caj\u0105ce' '\u0142'

如何从字符串中删除一些字符？ .replace（）不起作用

2 个答案: