用Python解碼和編碼

Question

我有一些要在Python中解碼和編碼的文本

import html.parser

original_tweet = "I luv my <3 iphone & you’re awsm 
                 apple.DisplayIsAwesome, sooo happppppy 🙂 
                 http://www.apple.com"
tweet = original_tweet.decode("utf8").encode('ascii', 'ignore')

我已經在Spyder（Python 3.6）的一行中輸入了原始推文

我收到以下消息

AttributeError: 'str' object has no attribute 'decode'

有沒有其他方法可以為Python 3.6重寫此代碼？

Answer 1

在Python3 +中，您的original_tweet字符串是UTF-8編碼的Unicode字符串，其中包含Unicode emoji表情 。 由於Unicode中的65k +字符是256個ASCII字符的超集，因此您不能簡單地將Unicode字符串轉換為ASCII字符串。

但是，如果你可以用一些數據丟失的生活（即下降表情符號），那么你可以嘗試以下方法（見本或本相關的問題）：

original_tweet = "I luv my <3 iphone & you’re awsm ..."

# Convert the original UTF8 encoded string into an array of bytes.
original_tweet_bytes = original_tweet.encode("utf-8")

# Decode that array of bytes into a string containing only ASCII characters;
# pass errors="strict" to find failing character mappings, and I also suggest
# to read up on the option errors="replace".
original_tweet_ascii = original_tweet_bytes.decode("ascii", errors="ignore")

或作為簡單的單線：

tweet = original_tweet.encode("utf-8").decode("ascii", errors="ignore")

請注意，這不轉換的HTML實體 < 和& 您可能需要分別解決。 您可以使用適當的HTML解析器（例如lxml ）或使用簡單的字符串替換來做到這一點：

tweet = tweet.replace("&lt;", "<").replace("&amp;", "&")

或者從Python 3.4+開始，您可以像這樣使用html.unescape() ：

tweet = html.unescape(tweet)

另請參閱此問題，以了解如何處理字符串中的HTML實體。

附錄。 Python的Unidecode軟件包似乎也為此提供了有用的功能，盡管在其當前版本中它不處理表情符號。