将中文字符转换为XML/HTML样式的数字实体和Unicode UTF-8？

Question

我混合了英文单词和中文字符，我想将文本转换为英文单词和中文字符的XML/HTML样式的数字实体的混合。

例如，下面是英文单词、数字和中文字符的混合

Title: 目录.doc
Level: 1
PageNumber: 1
Begin
Title: 1 C语言概述
Level: 1
PageNumber: 13
BeginTitle: 1.1 Ｃ语言的发展过程
Level: 2
PageNumber: 13
Begin
Title: 1.2 当代最优秀的程序设计语言

将转换为以下内容，并将中文字符替换为其XML/HTML样式的数字实体：

Title: 目录.doc
Level: 1
PageNumber: 1
Begin
Title: 1 C语言概述
Level: 1
PageNumber: 13
Begin
Title: 1.1 Ｃ语言的发展过程
Level: 2
PageNumber: 13
Begin
Title: 1.2 当代最优秀的程序设计语言

我想知道我是否可以用Python编写这个程序？

还可以编程将中文字符转换为Unicode UTF-8代码？

提前感谢！

Answer 1

如果s是unicode字符串，则为s.encode('ascii', 'xmlcharrefreplace')

在Python2中，您可以尝试s.decode('utf_8').encode('ascii', 'xmlcharrefreplace')

这在python 3中是有效的。

s = '''
Title: 目录.doc
Level: 1
PageNumber: 1
Begin
Title: 1 C语言概述
Level: 1
PageNumber: 13
BeginTitle: 1.1 Ｃ语言的发展过程
Level: 2
PageNumber: 13
Begin
Title: 1.2 当代最优秀的程序设计语言
'''

print(s.encode('ascii', 'xmlcharrefreplace').decode('utf_8'))

或者，您也可以编写自己的代码

res = []

for b in s:
    o = ord(b)
    if o > 255:
        res.append('&#{};'.format(o))
    else:
        res.append(b)

res_string = ''.join(res)

print(res_string)

两种输出：

Title: 目录.doc
Level: 1
PageNumber: 1
Begin
Title: 1 C语言概述
Level: 1
PageNumber: 13
BeginTitle: 1.1 Ｃ语言的发展过程
Level: 2
PageNumber: 13
Begin
Title: 1.2 当代最优秀的程序设计语言

您可以使用ord()函数获取unicode代码

c = '录'
code = ord(c)
print(code, hex(code))

输出：

24405 0x5f55