Python 将全宽标点符号替换为标准宽度等效符号

file1

包含一些

：

s（全宽）我想变成常规的

：

s（这是我们的常规冒号）。在bash中如何执行此操作？也许是python脚本？

您可以试试

tr

：

cat file.ext | tr "：" ":" > file_new.ext

---

您可能需要研究Python的特性

它允许您获取unicode字符串，并将其规范化为特定形式，例如：

unicodedata.normalize（'NFKC'，字符串）

以下是不同规范化形式的表格：

---

如果只想替换特定字符，可以使用

unicode.translate（）

>>>orig=u'\uFF1A:' >>>表={0xFF1A:u'：'} >>>打印报告（原件） >>>打印报告（原始翻译（表格）） u'\uFF1A:' u'：：' 恕我直言，python不是这项工作的合适工具；perl是：

或

或

或

---

我同意Python并不是实现这一目的的最有效工具。虽然到目前为止提供的选项都很好，

sed

是另一个很好的工具：

sed -i 's/\xEF\xBC\x9A/:/g' file.txt

---

i选项使sed就地编辑文件，如tchrist的perl示例所示。请注意，

\xEF\xBC\x9A

是UTF-16值的UTF-8等价物

\xFF1A

。在需要处理相同Unicode值的不同编码时，是一个有用的参考。

在Python 2.x中，您可以使用

Unicode.translate

方法将单个Unicode码点转换为0、1或多个码点，使用

replacement_string = original_string.translate(table)

以下代码设置了一个转换表，该表将所有ASCII图形字符的全宽等效值映射为其ASCII等效值：

# ! is 0x21 (ASCII) 0xFF01 (full); ~ is 0x7E (ASCII) 0xFF5E (full)
table = dict((x + 0xFF00 - 0x20, unichr(x)) for x in xrange(0x21, 0x7F))

（参考：见）

---

如果您想以类似方式对待空格，请执行以下操作：

table[0x3000]=u'

为什么这个问题要用unicode标记？@Sentinel:因为u+FF1A全宽冒号是unicode代码点。我的回答没有帮助吗？在这之前有人问过…@Mike:那是因为tr不能使用Unicode。Perl确实如此。python-c….与我刚才给出的Perl一行程序有什么等价之处？添加了一个一行程序的尝试：）-1您显然还没有测试过这一点。（1）

u'\x{FF1A}

是无效语法--使用

u'\uFF1A'

（2）

string.maketrans

用于

str

对象，而不是

unicode

对象--您需要

table={0xFF1A:u':}

（3）您还没有将输入的

str code

对象从utf8 big5/gbk/shift\jis/转换为

unicode>对象，是的，我只测试过非unicode。。感谢您指出并解释所有更正！看起来我有点超前了。@Acorn：将全宽冒号转换为数字9是一个有点奇怪的例子。我同意，perl解决方案要简洁得多。虽然规范化文本可能也是OP的一个有趣的选择，但在编码级别处理事情总是错误的。您不必从这个或那个编码中拼写出特定的位模式。您应该始终只处理逻辑字符。其他任何事情都是疯狂的。
perl -CSAD -i.orig -Mcharnames=:full -pe 'tr[\N{FULLWIDTH COLON}][:]' file1

perl -CSAD -i.orig -Mcharnames=:full -pe 'tr[\N{FULLWIDTH EXCLAMATION MARK}\N{FULLWIDTH QUOTATION MARK}\{FULLWIDTH NUMBER SIGN}\N{FULLWIDTH DOLLAR SIGN}\N{FULLWIDTH PERCENT SIGN}\N{FULLWIDTH AMPERSAND}\{FULLWIDTH APOSTROPHE}\N{FULLWIDTH LEFT PARENTHESIS}\N{FULLWIDTH RIGHT PARENTHESIS}\N{FULLWIDTH ASTERISK}\N{FULLWIDTH PLUS SIGN}\N{FULLWIDTH COMMA}\N{FULLWIDTH HYPHEN-MINUS}\N{FULLWIDTH FULL STOP}\N{FULLWIDTH SOLIDUS}][\N{EXCLAMATION MARK}\N{QUOTATION MARK}\N{NUMBER SIGN}\N{DOLLAR SIGN}\N{PERCENT SIGN}\{AMPERSAND}\N{APOSTROPHE}\N{LEFT PARENTHESIS}\N{RIGHT PARENTHESIS}\N{ASTERISK}\N{PLUS SIGN}\N{COMMA}\{HYPHEN-MINUS}\N{FULL STOP}\N{SOLIDUS}]' file1

sed -i 's/\xEF\xBC\x9A/:/g' file.txt

replacement_string = original_string.translate(table)

# ! is 0x21 (ASCII) 0xFF01 (full); ~ is 0x7E (ASCII) 0xFF5E (full)
table = dict((x + 0xFF00 - 0x20, unichr(x)) for x in xrange(0x21, 0x7F))