如何解决如何使用python将iso 8859-1转换成简单的字母
我正在尝试使用 python 清理我的 sqlite 数据库。起初我使用此代码加载: 导入 sqlite3、pandas 作为 pd con = sqlite3.connect("DATABASE.db")
import sqlite3,pandas as pd
df = pd.read_sql_query("SELECT TITLE from DOCUMENT",con)
所以我得到了脏话。例如这个“Conciliaci\363n”我想得到“Conciliacion”。我使用了这个代码:
df['TITLE']=df['TITle'].apply(lambda x: x.decode('iso-8859-1').encode('utf8'))
我在空白单元格中得到了 b''。也得到了'Conciliaci\\363n'。所以也许我做错了。我怎么解决这个问题。提前致谢。
解决方法
不清楚,但如果您的字符串包含这样的文字反斜杠和数字:
>>> s= r"Conciliaci\363n" # A raw string to make a literal escape code
>>> s
'Conciliaci\\363n' # debug display of string shows an escaped backslash
>>> print(s)
Conciliaci\363n # printing prints the escape
然后这将正确解码:
>>> s.encode('ascii').decode('unicode-escape') # convert to byte string,then decode
'Conciliación'
如果您想丢失问题所示的重音标记,则分解 Unicode 字符串,转换为 ASCII 忽略错误,然后转换回 Unicode 字符串即可:
>>> s2 = s.encode('ascii').decode('unicode-escape')
>>> s2
'Conciliación'
>>> import unicodedata as ud
>>> ud.normalize('NFD',s2) # Make Unicode decomposed form
'Conciliación' # The ó is now an ASCII 'o' and a combining accent
>>> ud.normalize('NFD',s2).encode('ascii',errors='ignore').decode('ascii')
'Conciliacion' # accent isn't ASCII,so is removed
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。