テキストの保持で拡張Asciiを削除する

Question

拡張asciiを含む文字列を、指数値を保持したまま数を表すように秘密にする方法を教えてください。たとえば、文字列が 'm \ xb3/h'（1時間あたり立方メートルを表すことを意図している場合）の文字列 'm3/h'を返したいとします。または 'm \ xb2'は 'm2'を返します。

コード - 'M3/H' が所望されている間

varUnit = 'm\xb3/h' 
varUnit.decode('ascii', 'ignore').endcode('ascii') 
print varUnit 

戻る 'M/H'。

Answer 1

最初に知っておくべきことは、「拡張アスキー」がないことです。 Asciiはさまざまな方法で拡張されています。クイックテストでは、「latin_1」または「cp1252」が必要であることが示唆されています。だから、まず、ユニコード（すべてで任意の文字を格納する方法）に変換します

varUnit = varUnit.decode("latin_1") 

EDIT：あなただけの独自のアプリケーションでそれを表示したい場合、あなたはここで停止し、Unicodeを使用する必要があります。 print varUnitはm³とします。しかし、レガシーシステムではそれを処理できない場合があります。

次に、純粋なASCIIで表現できる文字に簡略化する必要があります。最も簡単な方法は、unidecodeモジュールを使用することです（あなたはピップを使用してインストールすることができますかeasy_installを）：

from unidecode import unidecode 
print unidecode(varUnit) 

Answer 2

上付き数字は、互換性の分解を持っているので、あなたが行うことができます。

>>> import unicodedata 
>>> unicodedata.normalize('NFKC', 'm²') 
'm2'