python - 解析区域字符串语言

Question

我正在使用 python 进行 exel 解析。
到目前为止，我一直使用英语，但是当我遇到区域语言时，我遇到了错误。

例子:

IR05 měsíční (monthly)

它给我的错误是

UnicodeEncodeError: 'ascii' codec can't encode character u'\u011b' in position 6: ordinal not in range(128)

我如何解析它并再次在输出文件中用相同的语言编写？

我的代码:

for j in val:
    print 'j is - ', j
    str(j).replace("'", "")

我在替换语句中遇到错误。

Answer 1

>>> "IR05 měsíční (monthly)".decode('utf8')
u'IR05 m\u011bs\xed\u010dn\xed (monthly)'

这是原始字符串的 unicode 版本(以 utf8 编码)。

现在您可以将它与您解码的其他字符串(来自文件)进行比较(来自 utf8 或 latin2 或其他格式)，然后您可以比较它们。

>>> 'IR05 m\xecs\xed\xe8n\xed (monthly)'.decode('latin2')
u'IR05 m\u011bs\xed\u010dn\xed (monthly)'

现在您可以比较两个 unicode 字符串:

>>> s_utf8 = "IR05 měsíční (monthly)"
>>> s_latin2 = 'IR05 m\xecs\xed\xe8n\xed (monthly)'
>>> s_utf8.decode('utf8') == s_latin2.decode('latin2')
True

要将字符串写入文件，请再次对其进行编码:

>>> s = s_utf8.decode('utf8')

>>> filehandle.write(s.encode('utf8'))