在 Python 中搜索和替换分号

Question

OS: CentOS 6.5
Python version: 2.7.5

我有一个包含以下信息示例的文件。 我想搜索并替换美分符号并替换为 $0。前面。

Alpha $1.00
Beta  ¢55  <<<< note
Charlie $2.00
Delta  ¢23  <<<< note

我希望它看起来像这样：

Alpha $1.00
Beta  $0.55  <<<< note
Charlie $2.00
Delta  $0.23  <<<< note

所以命令行中的这段代码（有效）是：

sed 's/¢/$0./g' *file name*

但是用python写代码不行：

import subprocess
hello = subprocess.call('cat datafile ' + '| sed "s/¢/$0./g"',shell=True)
print hello

每当我尝试粘贴 ¢ 符号时似乎出现错误。

稍微靠近一点，当我在 Python 中打印分号的 unicode 时，它​​会出现在下面：

print(u"\u00A2")
¢

当我 cat 我的数据文件时，它实际上显示为 ¢ 符号，缺少 Â。

我认为当我尝试使用 Unicode 进行 sed 时，¢ 之前添加的符号不允许我进行搜索和替换。

尝试 unicode 时的错误代码：

hello = subprocess.call(u"cat datafile | sed 's/\uxA2/$0./g'",shell=True)
SyntaxError: (unicode error) 'unicodeescape' codec can't decode bytes in position 25-26: truncated \uXXXX escape

将 uxA2 固定到 u00A2，我明白了：

sed: -e expression #1, char 7: unknown option to `s'
1

有什么想法/想法吗？

这两个例子我都得到以下错误：

[root@centOS user]# python test2.py
Traceback (most recent call last):
  File "test2.py", line 3, in <module>
    data = data.decode('utf-8')             # decode immediately to Unicode
  File "/usr/local/lib/python2.7/encodings/utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xa2 in position 6: invalid start byte

[root@centOS user]# python test1.py
Traceback (most recent call last):
  File "test1.py", line 11, in <module>
    hello_unicode = hello_utf8.decode('utf-8')
  File "/usr/local/lib/python2.7/encodings/utf_8.py", line 16, in decode
    return codecs.utf_8_decode(input, errors, True)
UnicodeDecodeError: 'utf8' codec can't decode byte 0xa2 in position 6: invalid start byte

这是文件的猫：

[root@centOS user]# cat datafile
alpha ¢79 

这是数据文件的 Nano：

alpha �79

这是数据文件的 Vim：

[root@centOS user]# vim fbasdf
alpha ¢79
~

再次感谢大家的帮助

回答！！

Rob 和 Thomas 的 SED 输出有效。 文件格式保存为 charset=iso-8859-1。我无法在文档中搜索 utf-8 格式字符。

识别的文件字符集：

file -bi datafile
text/plain; charset=iso-8859-1

使用以下代码更改文件：

iconv -f iso-8859-1 -t utf8 datafile > datafile1

Answer 1

窃取托马斯的答案并对其进行扩展：

import subprocess

# Keep all strings in unicode as long as you can.
cmd_unicode = u"sed 's/\u00A2/$0./g' < datafile"

# only convert them to encoded byte strings when you send them out
# also note the use of .check_output(), NOT .call()
cmd_utf8 = cmd_unicode.encode('utf-8')
hello_utf8 = subprocess.check_output(cmd_utf8, shell=True)

# Decode any incoming byte string to unicode immediately on receipt
hello_unicode = hello_utf8.decode('utf-8')

# And you have your answer
print hello_unicode

上面的代码演示了“Unicode 三明治”的使用：外部是字节，内部是 Unicode。见http://nedbatchelder.com/text/unipain.html

对于这个简单的示例，您可以在 Python 中轻松完成所有操作：

with open('datafile') as datafile:
    data = datafile.read()              # Read in bytes
data = data.decode('utf-8')             # decode immediately to Unicode
data = data.replace(u'\xa2', u'$0.')    # Do all operations in Unicode
print data                              # Implicit encode during output 

Answer 2

另外，将您的字符串更改为 unicode 字符串，并将分号替换为 \u00A2。

这里是固定代码：

import subprocess
hello = subprocess.call(u"cat datafile | sed \"s#\u00A2#$0.#g\"",shell=True)
print hello