如何替换Python中的Unicode字符？

我通过他们的API提取Twitter数据，其中一条推文有一个特殊字符（右撇号），我不断收到一个错误，说Python无法映射或字符映射该字符。我已经在互联网上搜索过了，但是我还没有找到解决这个问题的方法。我只想用Python可以识别的撇号或空字符串（基本上删除它）替换该字符。我正在使用Python 3.3。关于如何解决这个问题有什么意见吗？这看起来很简单，但我是Python的新手

编辑：下面是我用来过滤掉引发错误的unicode字符的函数

@staticmethod
def UnicodeFilter(var):
    temp = var
    temp = temp.replace(chr(2019), "'")
    temp = Functions.ToSQL(temp)
    return temp

另外，在运行程序时，我的错误如下

“charmap”编解码器无法对位置59中的字符“\u2019”进行编码：字符映射为“未定义”

编辑：以下是我的源代码示例：

import json
import mysql.connector
import unicodedata
from MySQLCL import MySQLCL

class Functions(object):
"""This is a class for Python functions"""

@staticmethod
def Clean(string):
    temp = str(string)
    temp = temp.replace("'", "").replace("(", "").replace(")", "").replace(",", "").strip()
    return temp

@staticmethod
def ParseTweet(string):
    for x in range(0, len(string)):
        tweetid = string[x]["id_str"]
        tweetcreated = string[x]["created_at"]
        tweettext = string[x]["text"]
        tweetsource = string[x]["source"]
        truncated = string[x]["truncated"]
        inreplytostatusid = string[x]["in_reply_to_status_id"]
        inreplytouserid = string[x]["in_reply_to_user_id"]
        inreplytoscreenname = string[x]["in_reply_to_screen_name"]
        geo = string[x]["geo"]
        coordinates = string[x]["coordinates"]
        place = string[x]["place"]
        contributors = string[x]["contributors"]
        isquotestatus = string[x]["is_quote_status"]
        retweetcount = string[x]["retweet_count"]
        favoritecount = string[x]["favorite_count"]
        favorited = string[x]["favorited"]
        retweeted = string[x]["retweeted"]
        possiblysensitive = string[x]["possibly_sensitive"]
        language = string[x]["lang"]

        print(Functions.UnicodeFilter(tweettext))
        #print("INSERT INTO tweet(ExTweetID, TweetText, Truncated, InReplyToStatusID, InReplyToUserID, InReplyToScreenName, IsQuoteStatus, RetweetCount, FavoriteCount, Favorited, Retweeted, Language, TweetDate, TweetSource, PossiblySensitive) VALUES (" + str(tweetid) + ", '" + Functions.UnicodeFilter(tweettext) + "', " + str(truncated) + ", " + Functions.CheckNull(inreplytostatusid) + ", " + Functions.CheckNull(inreplytouserid) + ", '" + Functions.CheckNull(inreplytoscreenname) + "', " + str(isquotestatus) + ", " + str(retweetcount) + ", " + str(favoritecount) + ", " + str(favorited) + ", " + str(retweeted) + ", '" + str(language) + "', '" + Functions.ToSQL(tweetcreated) + "', '" + Functions.ToSQL(tweetsource) + "', " + str(possiblysensitive) + ")")
        #MySQLCL.Set("INSERT INTO tweet(ExTweetID, TweetText, Truncated, InReplyToStatusID, InReplyToUserID, InReplyToScreenName, IsQuoteStatus, RetweetCount, FavoriteCount, Favorited, Retweeted, Language, TweetDate, TweetSource, PossiblySensitive) VALUES (" + str(tweetid) + ", '" + tweettext + "', " + str(truncated) + ", " + Functions.CheckNull(inreplytostatusid) + ", " + Functions.CheckNull(inreplytouserid) + ", '" + Functions.CheckNull(inreplytoscreenname) + "', " + str(isquotestatus) + ", " + str(retweetcount) + ", " + str(favoritecount) + ", " + str(favorited) + ", " + str(retweeted) + ", '" + language + "', '" + tweetcreated + "', '" + str(tweetsource) + "', " + str(possiblysensitive) + ")")

@staticmethod
def ToBool(variable):
    if variable.lower() == 'true':
        return True
    elif variable.lower() == 'false':
        return False

@staticmethod
def CheckNull(var):
    if var == None:
        return ""
    else:
        return var

@staticmethod
def ToSQL(var):
    temp = var
    temp = temp.replace("'", "''")
    return str(temp)

@staticmethod
def UnicodeFilter(var):
    temp = var
    #temp = temp.replace(chr(2019), "'")
    unicodestr = unicode(temp, 'utf-8')
    if unicodestr != temp:
        temp = "'"
    temp = Functions.ToSQL(temp)
    return temp

---

响应正确。

您可以对unicode字符串进行编码以转换为str类型：

unicode_string = unicode(some_string, 'utf-8')
if unicode_string != some_string:
    some_string = 'whatever you want it to be'

 a=u"dataàçççñññ"
type(a)
a.encode('ascii','ignore')

这样，它将删除特殊字符，并返回“数据”

---

另一种方法是使用Unicode数据，您的程序似乎有两个问题

首先，您将错误的代码点传递到

chr（）

。字符

“

的十六进制代码点是

0x2019

，但您要传递的是十进制数

2019

（相当于十六进制中的

0x7e3

）。因此，您需要执行以下任一操作：

    temp = temp.replace(chr(0x2019), "'") # hexadecimal

或：

以正确替换字符

其次，出现错误的原因是程序的其他部分（可能是数据库后端）试图使用UTF-8以外的编码对unicode字符串进行编码。关于这一点很难更精确，因为你的问题中没有包含完整的回溯。但是，对“charmap”的引用表明正在使用Windows代码页（但不是cp1252）；或iso编码（但不是iso8859-1，又名latin1）；或者可能是KOI8_R

---

无论如何，处理这个问题的正确方法是确保程序的所有部分（尤其是数据库）都使用UTF-8。如果这样做，您就不必再纠结于替换字符了。

您可以显示数据和代码的示例吗？感谢您添加了更多的信息，但是在不知道数据是如何获得的，或者不知道哪一行生成了错误的情况下，很难帮助您。您必须为函数“unicode（）”导入一个包吗？不，您不需要。它是内置的。基本上，如果字符串不相同，那么字符串是unicode，您可以更改它Python似乎无法识别它。“未定义全局名称‘unicode’”这是我遇到的错误。您使用的是什么版本的python？正如我在最初的帖子中所说，在使用Python3.3Funcy时，我昨晚正在考虑一个类似的解决方案。我还没试过。谢谢！我尝试了你的第一个建议，所有问题都解决了。

    temp = temp.replace(chr(8217), "'") # decimal