Python波蘭字符編碼問題

Question

我遇到了字符編碼方面的一些問題，並且在波蘭字符的這種特殊情況下。

我需要用windows-1252等價物替換所有的非windows-1252字符。我有這個工作，直到我需要使用波蘭人的角色。我該如何替換這些字符？

例如é是一個windows-1252字符，必須保持這種方式。但ł不是一個Windows-1252字符，必須用其等價物替換（或剝離，如果它沒有等效）。

我嘗試這樣做：

import unicodedata 

text = "Racławicka Rógé" 
tmp = unicodedata.normalize('NFKD', text).encode('ascii', 'ignore') 
print(tmp.decode("utf-8")) 

此打印：

Racawicka Roge 

但現在ó和é都編碼成o和e。

我該如何解決這個問題？

Answer 1

如果你想要移動到1252，這就是你應該告訴什麼encode和decode：

>>> text = "Racławicka Rógé" 
>>> text.encode('1252', 'ignore').decode('1252') 
'Racawicka Rógé' 

Answer 2

如果沒有大的文本處理，就像你的榜樣，你可以利用Unidecode庫與解決方案由jonrsharpe提供。

from unidecode import unidecode 

text = u'Racławicka Rógé' 
result = '' 

for i in text: 
    try: 
     result += i.encode('1252').decode('1252') 
    except (UnicodeEncodeError, UnicodeDecodeError): 
     result += unidecode(i) 

print result # which will be 'Raclawicka Rógé'