使用 python 进行简单的 ascii url 编码

Question

看一下：

import urllib
print urllib.urlencode(dict(bla='Ã'))

输出是

bla=%C3%BC

我想要的很简单，我想要 ascii 格式的输出而不是 utf-8，所以我需要输出：

bla=%C3

如果我尝试：

urllib.urlencode(dict(bla='Ã'.decode('iso-8859-1')))

不起作用（我所有的 python 文件都是 utf-8 编码的） :

'ascii' 编解码器无法对位置 0-1 中的字符进行编码：序号不在范围(128)

在生产中，输入是 unicode 的。

Answer 1

看看 python 中的 unicode 音译

from unidecode import unidecode
print unidecode(u"\u5317\u4EB0")

# That prints: Bei Jing

：您的情况：

bla='Ã'
print unidecode(bla)
'A'

---

这是一个第三方库，可以通过以下方式轻松安装：

$ git clone http://code.zemanta.com/tsolc/git/unidecode
$ cd unidecode
$ python setup.py install

Answer 2

我想要 ascii 格式的输出，而不是 utf-8

这不是 ASCII，它没有映射到 0x80 以上的字符。您正在谈论 ISO-8859-1，或者可能是代码页 1252（基于它的 Windows 编码）。

'Ã'.decode('iso-8859-1')

好吧，这取决于您在源代码中保存字符 à 时使用的编码，不是吗？听起来您的文本编辑器已将其另存为 UTF-8。 （这是一件好事，因为像 ISO-8859-1 这样的区域特定编码需要尽快消​​失。）

告诉 Python，您保存的源文件是 UTF-8 格式，按照 PEP 263：

# coding=utf-8

urllib.quote(u'Ã'.encode('iso-8859-1'))    # -> %C3

或者，如果您不想那么麻烦，请使用反斜杠转义：

urllib.quote(u'\u00C3'.encode('iso-8859-1'))    # -> %C3

尽管，无论如何，现代 Web 应用程序应该使用 UTF-8 作为输入，而不是 ISO-8859-1/cp1252。

Answer 3

工作得很好的 asciification 是这样的：

import unicodedata
unicodedata.normalize('NFKD', 'Ã'.decode('UTF-8')).encode('ascii', 'ignore')

Answer 4

如果您的输入实际上是 UTF-8 并且您想要 iso-8859-1 作为输出（不是 ASCII），您需要的是：

'ñ'.decode('utf-8').encode('iso-8859-1')

Answer 5

感谢所有解决方案。你们所有人都汇聚到同一个点上。
我把正确的代码更改为 .encode('iso-8859-1') ，结果一团糟

.encode('iso-8859-1') 

，

.decode('iso-8859-1')

它有效。

Answer 6

包 unihandecode 是

Unicode 文本的 US-ASCII 音译。
Python unidecode 的改进版本，即 Sean M. Burke 的 Text::Unidecode Perl 模块的 Python 端口。

pip install Unihandecode

然后在python中

import unihandecode
print(unihandecode.unidecode(u'Ã'))

打印A。