替换Unicode字符 / Python / django

Question

由于我几乎被迫替换某些OCR技术返回的字符串中的某些Unicode字符，因此我发现这样做的唯一方法就是将它们替换为“一一”。这是使用以下代码完成的：

def recode(mystr):
    mystr = mystr.replace(r'\u0104', '\u0104')
    mystr = mystr.replace(r'\u017c', '\u017c')
    mystr = mystr.replace(r'\u0106' , '\u0106')
    ...
    ...
    mystr = mystr.replace(r'\u017a' , '\u017a')
    mystr = mystr.replace(r'\u017c' , '\u017c')
    return mystr

我知道这可能会令人困惑。上述OCR API返回的字符串正在返回一系列字符，例如“ \ u017a”不是Unicode中的映射字符，而是“ \”，“ U”，“ 0”，“ 0”，“ 1”，“ 7） “，”一个“。但这不能从我的尽头改变。

上述解决方案非常混乱且不专业。但是，如果我尝试循环浏览我要“替换”的所有字符，看来它没有任何作用：

def recode(mystr):
    for foo in ['\u0106','\u0118','\u0141', ...... , '\u017a','\u017c']:
        mystr = mystr.replace(r'%s' % foo, foo)
    return mystr

为什么在这种情况下，foo string string in in in In In In In in第一个方案它做得正确吗？有什么区别？

Answer 1

因此，foo的原因不被读取，因为原始文本是字符串前的r仅在字符串是创建时扮演角色 - 之后，它将充当普通字符串 - 例如，应用％ - 操作器时。

作为解决您想做的事情的解决方案，您可以尝试这样的事情：

bar = r"\u0104"
mystr = mystr.replace(bar, chr(int(bar[2:], 16)))

Answer 2

这是一个XY问题。 API正在返回字面的Unicode字符串。也许实际上是JSON，OP应该在返回的数据上执行json.loads（），但是如果没有，则可以使用unicode_escape cocdec来翻译逃生代码。该编解码器需要一个字节字符串，因此可能需要通过ascii或latin1首先对其进行编码

def recode(mystr):
    mystr = mystr.replace(r'\u0104', '\u0104')
    mystr = mystr.replace(r'\u017c', '\u017c')
    mystr = mystr.replace(r'\u0106' , '\u0106')
    mystr = mystr.replace(r'\u017a' , '\u017a')
    mystr = mystr.replace(r'\u017c' , '\u017c')
    return mystr

def recode2(s):
    return s.encode('latin1').decode('unicode_escape')

s = r'\u0104\u017c\u0106\u017a\u017c'
print(s)
print(recode(s))
print(recode2(s))

：

\u0104\u017c\u0106\u017a\u017c
ĄżĆźż
ĄżĆźż