python - 将重音字符转换为拉丁字符而不影响 ElementTree

Question

这个问题已经有答案了:

What is the best way to remove accents (normalize) in a Python unicode string? (14 个回答)

已关闭 5 年前。

我试图弄清楚如何将所有重音字符( å 、 é 、 í ...)分别替换为其拉丁对应字符( a 、 e 、 i ) )并且我尝试了几种方法来做到这一点，但它们都做了一些超出我理解的事情，使得 ElementTree 以后无法使用 .fromstring() 进行转换。 。

我还必须转义＆字符，但我已经弄清楚了。

相关语法:

# -- coding: utf-8 --

import xml.etree.ElementTree as ET
import os
import re

path = "C:\\Users\\SuperUser\\Desktop\\audit\\audit\\saved\\audit"

root = ET.Element("root")

for filename in os.listdir(path):
    with open(path + "\\" + filename) as myfile:
        lines = myfile.readlines()

    for line in lines:
        line = re.sub(r"&(?!#\d{3};|amp;)", "&", line)
        xmlVal = ET.fromstring(line)

错误发生在最后一行，其他解决方案提示 UnicodeEncodeError: 'ascii' codec can't encode character u'\xc4' in position 161: ordinal not in range(128) ，或类似的错误。

Answer 1

尝试使用 unidecode 模块

例如:

import xml.etree.ElementTree as ET
import os
import re
import unidecode


path = "C:\\Users\\SuperUser\\Desktop\\audit\\audit\\saved\\audit"

root = ET.Element("root")

for filename in os.listdir(path):
    with open(path + "\\" + filename) as myfile:
        lines = myfile.readlines()

    for line in lines:
        line = unidecode.unidecode(line)
        xmlVal = ET.fromstring(line)