[英]Decode bad escape characters in python
所以我有一个有很多名字的数据库。 名字有坏字符。 例如,记录中的名字是José Florés
我想清理它以获得José Florés
我尝试了以下
name = " José Florés "
print(name.encode('iso-8859-1',errors='ignore').decode('utf8',errors='backslashreplace')
输出将姓氏' José Flor\\\\xe9s '
为' José Flor\\\\xe9s '
解决这个问题的最佳方法是什么? 名称可以有任何类型的 unicode 或 hex 转义序列。
ftfy是一个 python 库,它使用名为fix_text
的函数修复以不同方式损坏的 unicode 文本。
from ftfy import fix_text
def convert_iso_name_to_string(name):
result = []
for word in name.split():
result.append(fix_text(word))
return ' '.join(result)
name = "José Florés"
assert convert_iso_name_to_string(name) == "José Florés"
使用fix_text
方法可以标准化名称,这是解决问题的另一种方法。
我们将从一个包含非 ASCII 字符(即“ü”或“变音-u”)的示例字符串开始:
s = 'Florés'
现在,如果我们引用并打印字符串,它会给我们本质上相同的结果:
>>> s
'Florés'
>>> print(s)
Florés
与 Python 2.x 中相同的字符串 s 不同,在这种情况下 s 已经是一个 Unicode 字符串,并且 Python 3.x 中的所有字符串都自动是 Unicode。 明显的区别是s在我们实例化之后没有改变
您可以在此处找到相同的编码和解码字符串
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.