我正在编写一个小的 Python 脚本来解析 word 文档并写入 csv 文件。但是，某些文档包含一些我的脚本无法正确处理的 utf-8 字符。
花哨的引用经常出现 (u'\u201c')。有没有一种快速简便(且智能)的方法可以将它们替换为支持 ascii 的中性引号，这样我就可以将 line.encode('ascii') 写入 csv 文件？
我试图找到左边的引号并替换它:
val = line.find(u'\u201c')
if val >= 0: line[val] = '"'
但无济于事:
TypeError: 'unicode' 对象不支持项目分配
我所描述的是好的策略吗？或者我应该只设置 csv 以支持 utf-8(虽然我不确定将读取 CSV 的应用程序是否需要 utf-8)？
谢谢
最佳答案
您可以使用 Unidecode package自动将所有 Unicode 字符转换为其最接近的纯 ASCII 等效字符。
from unidecode import unidecode
line = unidecode(line)
这将处理双引号的两个方向以及单引号、破折号和其他您可能还没有发现的东西。
编辑:一条评论指出，如果您的语言不是英语，您可能会发现 ASCII 限制太多。这是对上述代码的改编，它使用白名单来指示不应转换的字符。
>>> from unidecode import unidecode
>>> whitelist = set('µÀÁÂÃÄÅÆÇÈÉÊËÌÍÎÏÐÑÒÓÔÕÖØÙÚÛÜÝÞßàáâãäåæçèéêëìíîïðñòóôõöøùúûüýþÿ')
>>> line = '\u201cRésumé\u201d'
>>> print(line)
“Résumé”
>>> line = ''.join(c if c in whitelist else unidecode(c) for c in line)
>>> print(line)
"Résumé"
关于python - 如何将 utf-8 花式引号转换为中性引号，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/28977618/