Python-Unicode到ASCII转换

Question

我无法在不丢失数据的情况下将以下Unicode转换为ASCII：

u'ABRA\xc3O JOS\xc9'

我尝试了encode，decode他们不会这样做。

有人有建议吗？

Answer 1

Unicode字符，u'\xce0'并且u'\xc9'没有任何对应的ASCII值。因此，如果您不想丢失数据，则必须以某种有效的ASCII方式对数据进行编码。选项包括：

>>> print s.encode('ascii', errors='backslashreplace')
ABRA\xc3O JOS\xc9
>>> print s.encode('ascii', errors='xmlcharrefreplace')
ABRAÃO JOSÉ
>>> print s.encode('unicode-escape')
ABRA\xc3O JOS\xc9
>>> print s.encode('punycode')
ABRAO JOS-jta5e

所有这些都是ASCII字符串，并且包含来自原始Unicode字符串的所有信息（因此可以将它们全部逆转而不会丢失数据），但是对于最终用户来说，它们都不是那么漂亮（而且它们都不可以）只能通过来反转decode('ascii')。

有关更多信息，请参见str.encode，Python专用编码和Unicode
HOWTO
。

附带说明一下，当有人说“ ASCII”时，他们实际上并不是在说“
ASCII”，而是“任何是ASCII的超集的8位字符集”或“我在其中包含的某些特定8位字符集”心神”。如果那是您的意思，解决方案是将编码为正确的8位字符集：

>>> s.encode('utf-8')
'ABRA\xc3\x83O JOS\xc3\x89'
>>> s.encode('cp1252')
'ABRA\xc3O JOS\xc9'
>>> s.encode('iso-8859-15')
'ABRA\xc3O JOS\xc9'

困难的部分是要知道您要使用的字符集。如果您要编写生成8位字符串的代码和使用它的代码，而又没有更好的了解，则表示UTF-8。例如，如果使用8位字符串的代码是open您正在向其提供页面的函数或Web浏览器或其他内容，则情况会更加复杂，并且没有很多信息就没有简单的答案。