Re: [問題] xml 編碼問題

看板Python作者Reylod (Reylod)時間13年前 (2012/08/07 22:54)推噓1(1推 0噓 0→)

留言1則, 1人參與討論串1/1

這是HTML escape sequence 使用HTMLParser來解碼 from HTMLParser import HTMLParser hp = HTMLParser() s = hp.unescape('Hélène') ※ 引述《sandwichC (沒回應=掛站)》之銘言： : 我想 parse 一個 xml 檔，該檔的編碼方式未知 : 該檔中有這樣的文字： : Hélène : 它代表的是：Helene : 其中第一個e上面有右上到左下的斜線，第二個e上面是左上到右下的斜線 : 也就是說，é 和 è 分別代表兩個特別的字元 : 用以下命令得知我的 terminal 輸出是 utf8 : $ echo $LANG : en_US.UTF-8 : 我在 Python 試過下面的方式但都印不出正確的字元 : > n = 'Hélène' : > print n.decode('iso-8859-1') : Hélène : > print n.decode('iso-8859-1').encode('utf8') : Hélène : 請問，讀入這個字串後，該怎麼在螢幕上印出正確的字元呢？ : 謝謝 : ---- : UPDATE: : 我發現把 é 換成 \xe9， è 換成 \xe8後，可正確輸出 : > n = 'H\xe9l\xe8ne' : > print n.decode('iso-8859-1').encode('utf8') : Helene : 第一個和第二個 e 的上面有正確顯示斜線 : 這意思是我要自己 prase string 把 &#x???; 代換成 \x?? 嗎 : 感覺應該有更好的解法吧…？ -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 123.205.239.47