Python 编码问题。替换特殊字符

我有一本这样的字典：

{ u'Samstag & Sonntag': u'Ganztags ge\xf6ffnet', u'Freitag': u'18:00 & 22:00'}

现在我试图用

ö

替换

\xf6

， 但是尝试

.replace（'\xf6'，'ö'）

会返回一个错误：

UnicodeDecodeError:“ascii”编解码器无法解码位置中的字节0xf6 0:序号不在范围内（128）

---

我怎样才能解决这个问题

现在编码是一个雷区，我可能会在这一个上关闭-如果是这样，请纠正我

从我多年来收集的信息来看，除非在脚本顶部定义了编码，否则Python2采用ASCII。主要是因为它是以这种方式编译的，或者OS/终端使用ASCII作为主要编码

话虽如此，您在示例数据中看到的是：

{ u'Samstag & Sonntag': u'Ganztags ge\xf6ffnet', u'Freitag': u'18:00 & 22:00'}

是unicode字符串的ASCII表示形式。Python需要告诉您其中有一个

ö

，但它不能使用ASCII，因为

ö

在中没有表示。

但当您尝试使用以下方法替换它时：

x.replace('\xf6', 'ö')

您试图找到一个名为

\xf6

的ASCII字符/字符串，该字符/字符串超出了ASCII的可接受字节范围，因此将引发异常。您试图用另一个无效的ASCII字符替换它，这将导致相同的异常

因此，您会收到“'ascii'编解码器无法解码字节…”消息

您可以这样进行unicode替换：

a = u'Ganztags ge\xf6ffnet'
a.replace(u'\xf6', u'ö')

这将告诉Python找到一个unicode字符串，并用另一个unicode字符串替换它。
但是在上面的示例中，输出数据将产生相同的结果，因为

\xf6

是unicode中的

ö

您要做的是将字符串编码为您想要使用的内容，例如-UTF-8：

a.encode('UTF-8')
'Ganztags ge\xc3\xb6ffnet'

并将UTF-8定义为主要编码，方法是将其放在代码的顶部：

#!/usr/bin/python
# -*- coding: UTF-8

理论上，这将使您的应用程序更易于使用。
从那时起，您可以使用UTF-8作为您的基础模型

但据我所知，没有办法将您的表示转换为ASCII

ö

，因为实际上没有这样的东西。Python会以不同的方式为您实现这种编码魔法，让您相信“只写ö”是可能的

在Python3中您遇到的大多数字符串要么是

字节

数据，要么与Python2的处理方式稍有不同。在大多数情况下，这要容易得多

这不是标准实践的一部分，但有办法做到这一点。
最接近“良好”实践的是：

几年前，我也有一个可怕的解决方案和方法，它看起来像这样（这在当时对我来说是个好兆头）：

tl；dr: 您的代码通常假定/使用ASCII作为编码器/解码器。

---

ö

不是ASCII的一部分，如果你有一些如何获得unicode字符，你总会看到

\xf6

。通常，如果你打印

u'Ganztags ge\xf6ffnet'

，由于自动编码，它将显示为Ö，如果你需要验证输入是否与该字符串匹配，你必须比较它们de>，如果其他系统依赖于此数据，请使用他们理解的内容对其进行编码。

.encode（'UTF-8'）

。但是将

\xf6

替换为

ö

是一样的，只是

ö

在ASCII中不存在，您需要执行

u'ö'

-这将在最后产生相同的数据。

当您使用德语时，您应该注意非ASCII字符。您知道您的系统首选Latin1（Windows控制台和一些Unix）、UTF8（大多数Linux变体）或本机unicode（Windows GUI）

如果您可以将所有内容都作为原生unicode处理，那么事情就更干净了，您应该接受这样一个事实，即

u'ö'

和

u'\xf6'

是同一个字符，后者与python源文件字符集无关

如果必须输出存储在文件中的字节字符串，则应使用UTF8（可以处理任何unicode字符，但127以上的代码字符使用超过1字节）或拉丁语1（每个字符一个字节，但仅支持256以下的unicode代码点）对其进行编码

在这种情况下，只需使用显式编码将unicode字符串转换为字节字符串：

print u'Ganztags ge\xf6ffnet'.encode('Latin1') # or .encode('utf8')

---

应该给出您所期望的。

这很可能是Python2。但是您最好标记您的问题或提及您正在使用的Python版本。因为Python2和Python3在解码部门有很大不同。这个问题是因为默认情况下，unicode字符串将使用ASCII解码，因为使用未定义的在脚本中编码，然后在替换调用中将ASCII替换为ASCII..IIRC.您是如何以

u'

字符串中的

\xf6

作为开头的…？

u'\xf6'

与

u'ö

：

len（u'\xf6'非常相似）==1

；

u'\xf6'==u'ö'

这里的评论者都疯了吗？你不需要替换任何东西！

。替换（u'\xf6'，u'ö）

是不可操作的。您使用的是什么操作系统？您的终端使用的是什么编码？您的终端中显示的是什么？取决于您的设置，您可以直接打印Unicode对象，否则您需要进行适当的编码，例如

打印u'Ganztags ge\xf6ffnet'。编码（'utf8'）

或

打印u'Ganztags ge\xf6ffnet'.encode（'latin1'））

.Character

ö

具有unicode和8位拉丁1编码的code

\xf6

，也称为iso-8859-1。Python支持不同的8位编码，拉丁1在西欧语言（包括德语）中很常见。@SergeBallesta这是您现在谈论的扩展ASCII表，对吗？因为默认值

128位表（我想是的）不支持。Python支持大约30位
print u'Ganztags ge\xf6ffnet'.encode('Latin1') # or .encode('utf8')