将 Unicode 字符串转换为 Python 中的字符串（包含额外符号）

请参阅unicodedata.normalize

title = u"Klüft skräms inför på fédéral électoral große"
import unicodedata
unicodedata.normalize('NFKD', title).encode('ascii', 'ignore')
'Kluft skrams infor pa federal electoral groe'

---

如果您不需要翻译非 ASCII 字符，则可以使用 encode to ASCII：

>>> a=u"aaaàçççñññ"
>>> type(a)
<type 'unicode'>
>>> a.encode('ascii','ignore')
'aaa'
>>> a.encode('ascii','replace')
'aaa???????'
>>>

---

>>> text=u'abcd'
>>> str(text)
'abcd'

如果字符串只包含 ascii 字符。

---

如果您有一个 Unicode 字符串，并且想要将其写入文件或其他序列化形式，则必须首先将其编码为可以存储的特定表示。有几种常见的 Unicode 编码，例如 UTF-16（对大多数 Unicode 字符使用两个字节）或 UTF-8（1-4 个字节/代码点，具体取决于字符）等。要将字符串转换为特定编码，您可以使用：

>>> s= u'£10'
>>> s.encode('utf8')
'\xc2\x9c10'
>>> s.encode('utf16')
'\xff\xfe\x9c\x001\x000\x00'

可以将这个原始字节串写入文件。但是，请注意，在读回它时，您必须知道它的编码并使用相同的编码对其进行解码。

写入文件时，您可以使用 codecs 模块摆脱这种手动编码/解码过程。因此，要打开将所有 Unicode 字符串编码为 UTF-8 的文件，请使用：

import codecs
f = codecs.open('path/to/file.txt','w','utf8')
f.write(my_unicode_string)  # Stored on disk as UTF-8

请注意，使用这些文件的任何其他人都必须了解文件的编码，如果他们想读取它们。如果您是唯一一个进行读/写的人，这不是问题，否则请确保您以其他任何使用文件的人都可以理解的形式编写。

在 Python 3 中，这种形式的文件访问是默认的，内置的 open 函数将采用编码参数，并始终在文本模式下打开的文件与 Unicode 字符串（Python 3 中的默认字符串对象）进行转换.

---

这是一个例子：

>>> u = u'€€€'
>>> s = u.encode('utf8')
>>> s
'\xe2\x82\xac\xe2\x82\xac\xe2\x82\xac'

---

文件包含 unicode-esaped 字符串

\"message\": \"\\u0410\\u0432\\u0442\\u043e\\u0437\\u0430\\u0446\\u0438\\u044f .....\",

为了我

 f = open("56ad62-json.log", encoding="utf-8")
 qq=f.readline() 

 print(qq)                          
 {"log":\"message\": \"\\u0410\\u0432\\u0442\\u043e\\u0440\\u0438\\u0437\\u0430\\u0446\\u0438\\u044f \\u043f\\u043e\\u043b\\u044c\\u0437\\u043e\\u0432\\u0430\\u0442\\u0435\\u043b\\u044f\"}

(qq.encode().decode("unicode-escape").encode().decode("unicode-escape")) 
# '{"log":"message": "Авторизация пользователя"}\n'

---

好吧，如果您愿意/准备好切换到 Python 3（您可能不是因为与某些 Python 2 代码向后不兼容），您不必进行任何转换； Python 3 中的所有文本都用 Unicode 字符串表示，这也意味着不再使用 u'<text>' 语法。实际上，您还拥有用于表示数据的字节字符串（可能是编码字符串）。

http://docs.python.org/3.1/whatsnew/3.0.html#text-vs-data-instead-of-unicode-vs-8-bit

（当然，如果您当前使用的是 Python 3，那么问题可能与您尝试将文本保存到文件的方式有关。）

---

有一个名为 ftfy 的库可以帮助解决 Unicode 问题。让我的生活更轻松。

示例 1

import ftfy
print(ftfy.fix_text('ünicode'))

output -->
ünicode

示例 2 - UTF-8

import ftfy
print(ftfy.fix_text('\xe2\x80\xa2'))

output -->
•

示例 3 - Unicode 代码点

import ftfy
print(ftfy.fix_text(u'\u2026'))

output -->
…

https://ftfy.readthedocs.io/en/latest/

点安装 ftfy

https://pypi.org/project/ftfy/

---

这是一个示例代码

import unicodedata    
raw_text = u"here $%6757 dfgdfg"
convert_text = unicodedata.normalize('NFKD', raw_text).encode('ascii','ignore')

---

没有答案适用于我的情况，我有一个包含 unicode 字符的字符串变量，并且这里没有解释的编码解码完成了工作。

如果我在终端做

echo "no me llama mucho la atenci\u00f3n"

或者

python3
>>> print("no me llama mucho la atenci\u00f3n")

输出是正确的：

output: no me llama mucho la atención

但是使用加载此字符串变量的脚本不起作用。

这就是我的案例，以防万一帮助任何人：

string_to_convert = "no me llama mucho la atenci\u00f3n"
print(json.dumps(json.loads(r'"%s"' % string_to_convert), ensure_ascii=False))
output: no me llama mucho la atención

---

这是我的功能

import unicodedata
def unicode_to_ascii(note):
    str_map = {'Š' : 'S', 'š' : 's', 'Đ' : 'D', 'đ' : 'd', 'Ž' : 'Z', 'ž' : 'z', 'Č' : 'C', 'č' : 'c', 'Ć' : 'C', 'ć' : 'c', 'À' : 'A', 'Á' : 'A', 'Â' : 'A', 'Ã' : 'A', 'Ä' : 'A', 'Å' : 'A', 'Æ' : 'A', 'Ç' : 'C', 'È' : 'E', 'É' : 'E', 'Ê' : 'E', 'Ë' : 'E', 'Ì' : 'I', 'Í' : 'I', 'Î' : 'I', 'Ï' : 'I', 'Ñ' : 'N', 'Ò' : 'O', 'Ó' : 'O', 'Ô' : 'O', 'Õ' : 'O', 'Ö' : 'O', 'Ø' : 'O', 'Ù' : 'U', 'Ú' : 'U', 'Û' : 'U', 'Ü' : 'U', 'Ý' : 'Y', 'Þ' : 'B', 'ß' : 'Ss', 'à' : 'a', 'á' : 'a', 'â' : 'a', 'ã' : 'a', 'ä' : 'a', 'å' : 'a', 'æ' : 'a', 'ç' : 'c', 'è' : 'e', 'é' : 'e', 'ê' : 'e', 'ë' : 'e', 'ì' : 'i', 'í' : 'i', 'î' : 'i', 'ï' : 'i', 'ð' : 'o', 'ñ' : 'n', 'ò' : 'o', 'ó' : 'o', 'ô' : 'o', 'õ' : 'o', 'ö' : 'o', 'ø' : 'o', 'ù' : 'u', 'ú' : 'u', 'û' : 'u', 'ý' : 'y', 'ý' : 'y', 'þ' : 'b', 'ÿ' : 'y', 'Ŕ' : 'R', 'ŕ' : 'r'}
    for key, value in str_map.items():
        note = note.replace(key, value)
    asciidata = unicodedata.normalize('NFKD', note).encode('ascii', 'ignore')
    return asciidata.decode('UTF-8')

---

我制作了以下功能，可让您根据 Unicode (https://www.unicode.org/reports/tr44/#General_Category_Values) 中的 General_Category_Values 控制要保留的内容

def FormatToNameList(name_str):
    import unicodedata
    clean_str = ''
    for c in name_str:
        if unicodedata.category(c) in ['Lu','Ll']:
            clean_str += c.lower()
            print('normal letter: ',c)
        elif unicodedata.category(c) in ['Lt','Lm','Lo']:
            clean_str += c
            print('special letter: ',c)
        elif unicodedata.category(c) in ['Nd']:
            clean_str += c
            print('normal number: ',c)
        elif unicodedata.category(c) in ['Nl','No']:
            clean_str += c
            print('special number: ',c)
        elif unicodedata.category(c) in ['Cc','Sm','Zs','Zl','Zp','Pc','Pd','Ps','Pe','Pi','Pf','Po']:
            clean_str += ' '
            print('space or symbol: ',c)
        else:
            print('other: ',' : ',c,' unicodedata.category: ',unicodedata.category(c))    
    name_list = clean_str.split(' ')
    return clean_str, name_list
if __name__ == '__main__':
     u = 'some3^?"Weirdstr '+ chr(231) + chr(0x0af4)
     [clean_str, name_list] = FormatToNameList(u)
     print(clean_str)
     print(name_list)

另请参阅https://docs.python.org/3/howto/unicode.html

---