阅读「；生的；Python中的Unicode字符串

我对Python很陌生，所以我的问题可能很傻，但即使通读了很多线程，我也没有找到问题的答案

我有一个混合源文档，其中包含html、xml、latex和其他文本格式，我尝试将其转换为仅latex的格式

因此，我使用python将不同的命令识别为常规表达式，并用适当的latex命令替换它们。到目前为止一切进展顺利

现在我只剩下一些“原始类型”Unicode符号，比如希腊字母。不幸的是，要用手来做这件事就太多了。因此，我也在寻找一种聪明的方法。Python有没有办法识别/读取它们？我如何告诉python识别/阅读例如用希腊字母书写的Pi

我使用的代码的一个最小示例是：

fh = open('SOURCE_DOCUMENT','r')
stuff = fh.read()
fh.close()

new_stuff = re.sub('READ','REPLACE',stuff)
fh = open('LATEX_DOCUMENT','w')
fh.write(new_stuff)
fh.close()

我不确定这是否是一个重要信息，但我使用的是运行在windows上的Python 2.6

我真的很高兴，如果有人能给我提示，至少在哪里可以找到相关的信息，或者这是如何工作的。或者我完全错了，Python不能做这项工作

非常感谢。
干杯，
Britta

您谈到了“原始”Unicode字符串。这是什么意思？Unicode本身不是一种编码，但是有不同的编码来存储Unicode字符（由Joel读取）

Python 3.0中的函数采用可选的

encoding

参数，允许您指定编码，例如UTF-8（一种非常常见的Unicode编码方式）。在Python2.x中，看看模块，它还提供了一个函数，允许指定文件的编码

编辑：或者，为什么不让这些糟糕的字符出现，并在顶部指定LaTeX文件的编码：

\usepackage[utf8]{inputenc}

（我从未尝试过这个，但我认为它应该可以工作。不过，您需要将

utf8

替换为

utf8x

）

您需要确定输入文档的“编码”。Unicode可以编码数百万个字符，但文件只能存储8位值（0-255）。因此，Unicode文本必须以某种方式进行编码

如果文档是XML，它应该在第一行（encoding=“…”；“utf-8”是默认值，如果没有“encoding”字段）。对于HTML，请查找“字符集”

---

如果所有其他操作都失败，请在编辑器中打开文档，您可以在其中设置编码（例如）。试试看，直到文字看起来正确为止。然后将此值用作Python中

codecs.open（）

的

encoding

参数。

请首先阅读以下内容：

---

然后，回来问问题。

请举一个你所说的“原始类型Unicode符号”的例子。我相信世界上没有人用过或听过这个词。你说的“认识”是什么意思？Python非常能够处理unicode字符串，但是您没有解释您想对它们做什么，以及什么现在不起作用。问题是latex不喜欢unicode字符吗？如果是这样，可能会有所帮助。我所说的“原始”Unicode是指符号不是由代码表示的，而是在文本中可以找到符号本身，例如，在Word中插入<插入符号>。例如，“大写圆周率”的符号，很不幸没有正确编码为Π；（使用utf8（x）包装，可以很容易地在乳胶中显示）。如果我用latex中的符号打开文本，它根本就不会显示，信息也会丢失，因此我需要处理它。但是我要看一看关于编解码器模块的其他提示。。。谢谢：）在这种情况下，您需要确定输入文档的编码。如果文档是XML，则应位于第一行（默认为encoding=“…”；“utf-8”）。对于HTML，请查找“字符集”。