python - 如何从文本中删除撇号？

Question

这不是一个重复的问题，我已经搜索并实现了 stackoverflow 中找到的各种答案，但没有成功。

我正在 python 中将 .docx 文件转换为纯文本，但是 CMD 上的打印显示字符“' ”的有趣字符。 (即canЧÇÖt)。以下是我的代码:

if file.endswith('.docx'):
        docx = zipfile.ZipFile(fullpath)
        content = docx.read('word/document.xml')
        cleaned = re.sub('<(.|\n)*?>','',content)
        text=unescape(cleaned)
        newtext = text.replace("'", " ")
        print newtext

来自 stackoverflow 的答案让我输入了“text=unescape(cleaned)”和“text.replace(“'”,“”)”，但没有任何成功的结果。

如何从字符串变量中删除撇号？或者更好的是，如何确保撇号正确显示？

Answer 1

我的猜测是，您没有在查看'some_text_here'，而是在查看'some_text_here'。也就是说，单引号(或“智能”)引号。

这样做:

if file.endswith('.docx'):
    ...
    cleaned = re.sub('<(.|\n)*?>','',content)
    cleaner = string.translate(cleaned, None, ["‘","’"])
    # python3 has to use:
    # # cleaner = cleaned.translate(str.maketrans({'‘':'','’':''}))

供引用:

>>> ord("‘") # left single smart quote
# 8216
>>> ord("’") # right single smart quote
# 8217
>>> ord("'") # single apostrophe
# 39