Python：递增特殊字符Í；

我想从excel文件中读取一些单词并提取一些信息。 读取文件没有问题

重点是，我想增加单词的最后一个字符。对于像“A”这样的普通字符没有问题。但像“Í”这样的特殊角色是个问题

我是这样读内容的：

val = val.encode('utf-8')

我把这个值放在字典里

下一步是迭代dict并获取保存的信息。info['streettype']包含以前的val。现在我将值转换为大写形式，如下所示：

w2 = info['streettype'].decode('utf-8').upper().encode('utf-8')

这是必要的，因为有些字符是特殊的，就像我说的（例如“é”、“ž”、“í”）。 现在我想增加单词的最后一个字符，它可以是一个特殊字符

w3 = w2.decode('utf-8')[:-1].encode('utf-8')    
lastLetter = w2.decode('utf-8')[-1].encode('utf-8')

现在，我使用以下方法增加角色：

lastLetter2 = (chr(ord(lastLetter.decode('utf-8')) + 1))

接下来我想把它保存在一个文本文件中。 我想保存原始单词和编辑过的单词。 我想我需要重新编码我的最后一封信2，但它不起作用。 当我保存我的w2和w3+lastLetter2时，我得到了奇怪的结果，因为有些是编码的，有些不是

这个词：

NÁBŘEŽÍ

我的结果是：

"NÃBŘEŽÃ", "NÃBŘEŽÎÃ"

但我想：

"NÁBŘEŽÍ", "NÁBŘEŽÎ"

（Í是ascii 205，Î是ascii 206）

---

有人能帮我解决这个问题吗？

停止一直将数据编码到UTF-8；将文本保持为Unicode，这样处理起来就容易多了。将编码留待最后一分钟，最好让文件对象为您编码

将文件编码为Unicode意味着在Python2中，您将使用标准内置的

open（）

函数；这与Python3用于处理Unicode和文件I/O的基础结构相同

您在这里随意编码和解码，成功地创建了一个；您的文本现在是使用Windows代码页1252解码的UTF-8数据的混合体，然后再次编码为UTF8，再加上未损坏的数据：

>>> print u'NÃBŘEŽÃ'
NÃBŘEŽÃ
>>> print u'NÃBŘEŽÃ'[3:-1].encode('cp1252').decode('utf8')
ŘEŽ

请注意，第一个字符串中的最后一个字符无效；它缺少一个字节！这是因为“解码”最后一个字符的UTF-8字节的结果在一个合适的CP1252编解码器中是不可能的；我不得不使用内部修复编解码器来绕过这个问题：

>>> print u'NÃBŘEŽÃ\x8d'[3:].encode('sloppy-cp1252').decode('utf8')
ŘEŽÍ
>>> u'Í'.encode('utf8').decode('cp1252')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/mpieters/Development/venvs/stackoverflow-2.7/lib/python2.7/encodings/cp1252.py", line 15, in decode
    return codecs.charmap_decode(input,errors,decoding_table)
UnicodeDecodeError: 'charmap' codec can't decode byte 0x8d in position 1: character maps to <undefined>
>>> u'Í'.encode('utf8').decode('sloppy-cp1252')
u'\xc3\x8d'
>>> print u'Í'.encode('utf8').decode('sloppy-cp1252')
Ã

您可能想了解Python和Unicode：

• 内德·巴奇尔德

• 乔尔斯波尔斯基

---

不要对编码字符串进行操作（连接、更改字符）。对unicode（解码）字符串进行操作，并仅在完成后进行编码。Í是ascii 205，Î是ascii 206。不，他们不是。这些字符不在ASCII标准中，该标准只有128个代码点。它们是iso-8859-1（拉丁语-1）字符，在该标准中，它们确实被编码为205和206。它们也有相同的Unicode代码点。您在这里使用的是Python2还是Python3？为什么要“递增”字符？根据编码的不同，您将得到完全不同的结果。我不知道角色和他们的继任者之间有什么特殊的关系。@oele3110:那张表是非常错误的；它似乎使用的是Windows1252代码页，但该代码页只有256个代码点。剩下的744个字符来自何处是aynone的猜测，它们确实与Unicode对应，但在表中混合使用Windows1252是毫无价值的。有关正确的ASCII表，请参阅。

>>> lastletter = u'Î'
>>> ord(lastletter)
206
>>> unichr(ord(lastletter) + 1)
u'\xcf'
>>> print unichr(ord(lastletter) + 1)
Ï