0

我的解析器函数使用lxml并提供了一个 unicode 字符串列表 ( book_list)。

这些字符串被连接到一个文件名中，被清理然后传递subprocess.call给另一个二进制文件继续工作。

我的问题是 unicode 对象（例如title_name = u'Wunderlicher Traum von einem gro\xdfen Narrennest'）是用 ISO-8859-2 编码的（至少 'chardet' 告诉我的是这样），我需要将它们转换为一种格式，该格式可以在文件系统级别正确显示。当前代码导致文件名为u'Wunderlicher Traum von einem gro\xc3\x9fen Narrennest'.

有谁知道我做错了什么？

一些信息：

  • sys.getdefaultencoding()return ascii，这让我很困惑，因为理论上不应该允许任何特殊字符，如 äöü 等）。
  • OS X 10.9，Python 2.7.5
def convert_books(book_list, output_dir):
    for book in book_list:
        author_name = book[0][0]
        title_name = book[0][1]
        #print chardet.detect(title_name)
        #print type(title_name)
        #print title_name.decode('iso-8859-2')
        year_name = "1337"

        output_file = u"%s - %s (%s).pdf" % (author_name, title_name, year_name)
        keep_characters = (' ', '.', '_')
        output_file.join(c for c in output_file if c.isalnum() or c in keep_characters).rstrip()
        path_to_out = "%s%s" % (output_dir, output_file)

        target_file = WORK_DIR + book[1].replace(".xml", ".html")

        engine_parameter = [
            WKHTMLTOPDF_BIN,

            # GENERAL
            "-l", # lower quality
            "-L", "25mm",
            "-R", "25mm",
            "-T", "25mm",
            "-B", "35mm",
            "--user-style-sheet", "media/style.css",

            target_file,
            path_to_out,
        ]
        print "+ Creating PDF \"%s\"" % (output_file)
        call(engine_parameter)
4

1 回答 1

2

写下问题后，发出的原因就很清楚了:)

  • \xdf是 UTF-8
  • \xc3\x9f是 ISO-8859-1 或 latin-1

我所要做的就是将 utf-8 对象转换为 latin-1 对象，然后将参数传递给 subprocess.call。

out_enc = 'latin-1'
engine_parameter = [arg.encode(out_enc) if isinstance(arg, unicode) else arg for arg in engine_parameter]
call(engine_parameter)

希望这可以避免其他人的头痛！

于 2013-10-30T19:00:01.800 回答