从文件中读取变音符号并将它们插入到 XML

Question

我目前正在尝试从某些文件中读取名称并将它们插入到 XML 中。一切都很顺利，直到其中一个名字包含一个变音符号，然后某个字母被插入到我的中间字典中作为\xc4\x82C，或类似的东西。更重要的是，当我尝试从上述词典中插入带有变音符号的单词时，它会发出错误信号：

所有字符串必须与 XML 兼容：Unicode 或 ASCII，无 NULL 字节或控制字符

所以我既不接受 Python 也不接受 XML 之类的变音符号。我的文件都包含很多变音符号，我宁愿避免删除它们，因为在我的国家，有些名字只是变音符号不同。

有没有办法解决这个问题？

Answer 1

据我了解，您将文件中的数据加载到 Python 2.7 str 中。在仅表示为字节的 Python 2.7 中，没有附加信息这些字节应该实际表示什么字符。

您的 XML 工具包拒绝猜测，它只接受 ASCII 字符，其中映射非常清晰（即字节 0-127）。因此，您必须将您的 str 解码为 unicode 对象：

ustr = data.decode(encoding)

然后您可以将新的ustr 传递给 LXML。要确定您需要哪种编码，您应该查看您的数据。根据您的数据来自世界的哪个地方，我会先进行一些猜测，例如'latin1' 或'utf-8'。您可以同时尝试两种方法，看看哪一种能达到预期效果。

如果您在 Windows 上进行开发，最好在 IDLE Python 或其他 IDE 中执行此操作，Windows 控制台在 unicode 方面非常有限。