用Python解码Mac OS文本

Question

我正在编写一些代码来解析RTF文档，并且需要处理他们可以使用的各种代码页。 Python附带了所有必要Windows代码页的解码器，但我不确定如何处理Mac代码页：

# 77: "10000", # Mac Roman
# 78: "10001", # Mac Shift Jis
# 79: "10003", # Mac Hangul
# 80: "10008", # Mac GB2312
# 81: "10002", # Mac Big5
# 83: "10005", # Mac Hebrew
# 84: "10004", # Mac Arabic
# 85: "10006", # Mac Greek
# 86: "10081", # Mac Turkish
# 87: "10021", # Mac Thai
# 88: "10029", # Mac East Europe
# 89: "10007", # Mac Russian

Python是否对这些内置支持？ 如果没有，是否有一个跨平台的纯Python库来处理它们？

Answer 1

你可以使用python编解码器来识别它们的名字'mac-roman'，'mac-turkish'等。

>>> 'foo'.decode('mac-turkish')
u'foo'

你必须用他们的名字来引用它们，你在问题中得到的这些数字不会出现在源文件中。 有关更多信息，请查看$pylib/encodings/mac_*.py 。

Answer 2

似乎至少Mac Roman和Mac土耳其语编码存在于Python stdlib中，名称为macroman和macturkish。 有关最新Python中编码别名的完整列表，请参阅http://svn.python.org/projects/python/trunk/Lib/encodings/aliases.py 。

Answer 3

没有。

但是， unicode.org提供了编解码器描述文件，您可以使用它们生成将解析这些编解码器的模块。 python源代码分发包含一个将转换这些文件的脚本： Python-xx/Tools/unicode/gencodec.py 。