Python 字符串编码 xmlcharrefreplace 解码

Question

我正在使用 xmlcharrefreplace 替换字符串中的非标准字符，以便可以将其保存在 xml 文件中。稍后，我想将此字符串重新转换回原始字符。

import openpyxl
import cgi
from html.parser import HTMLParser
parser = HTMLParser()

startingString = "Tỉnh Đồng Nai" #example string
print("Starting string: " + startingString) #Starting string: Tỉnh Đồng Nai

# 1. This string contains non-standard characters. Convert these characters using xmlcharrefreplace
escapedString = cgi.escape(startingString)
strEscapedString = str(escapedString)
aposString = strEscapedString.replace("'", "&apos;")
savedToExcelString = str(aposString.encode('utf-8', 'xmlcharrefreplace') )[2:-1]

print("xmlcharrefreplace converted to: " + savedToExcelString) #xmlcharrefreplace converted to: T\xe1\xbb\x89nh \xc4\x90\xe1\xbb\x93ng Nai

# 2. The string is saved to an xml file
# 3. The string is read from an xml file

# 4. Convert the string back into the original starting string
unescapedString = parser.unescape(savedToExcelString)
#what do I do here??? I need to 'undo' the xmlcharrefreplace encoding

print(startingString + " == " + unescapedString + " is " + str(startingString == unescapedString))
#  Tỉnh Đồng Nai == T\xe1\xbb\x89nh \xc4\x90\xe1\xbb\x93ng Nai is False 
#  ^^ Should be the same string at the end

请注意，我不能使用 codecs.open()，因为我正在使用库 openpyxl 打开一个包含数据的 Excel 文件。输入的字符集没有限制 - 我希望最终字符串与初始字符串相同。

目标：将字符从 xmlcharrefreplace 转换回其脚本字符。例如：“\x90”变成“ồ”

Answer 1

您所描述的是不可能的，一般来说。当您从一个大字符集（任何）转换为一个较小的字符集时，您会丢失信息。除非您对编码结果有限制，否则您无法编码可以逆转的东西。

但是，如果您与数据库有一些约定，这些标签将不会出现在输入中（例如字符序列“\x”），您可以使用其中一个或多个表示编码字符串，您可以在该区域创建您喜欢的任何代码。例如，请注意样本输入后来如何显示为 "T\xe1\xbb\x89nh \xc4\x90\xe1\xbb\x93ng Nai".

如果这对你有用，我建议你创建一个一对一的映射，存储在字典中（及其反向），并在关键步骤简单地在两个方向上索引字典。我假设您可以自己处理检测逻辑（编码时为非 ASCII 字符；解码时为标记序列）。

Python 字符串编码 xmlcharrefreplace 解码

Python string encoding xmlcharrefreplace decode

python

xml

string

encode

decode