首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >需要RE来检测UTF-8

问需要RE来检测UTF-8
EN

Stack Overflow用户
提问于 2013-05-26 23:21:02
回答 1查看 67关注 0票数 1

我有以下代码

代码语言:javascript
复制
inf = codecs.open(inPath , encoding='utf-8')
outf = codecs.open(outPath, encoding='utf-8', mode='w')
old = u'’;'
new = u'’&#59;'
for line in inf:
    line = line.replace(old,new)
    asc = line.encode('ascii', 'xmlcharrefreplace')    
    outf.write(asc)
    # print asc
inf.close()
outf.close()

这(正确地)使用数字格式将智能引号和重音字符等转换成它们的html实体格式。它将转换为

代码语言:javascript
复制
<p>Dreams like: “Someday I’ll travel to…; someday I’ll write a book;

转到

代码语言:javascript
复制
<p>Dreams like: &#8220;Someday I&#8217;ll travel to&#8230;; someday I&#8217;ll write a book; 

这都是正确的。

然而,代码再往下走,看到中间的&#8230;;,丢弃了双分号,然后抱怨说它没有有效的实体。我不能更改这个代码。

正如您在我的代码中所看到的,我遇到过一个实体后面跟着分号的情况。我不想替换源代码中的所有分号。

如何检测UTF-8字符后面的分号,并且代码点大于127,以便可以用&#59;替换它?谢谢。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2013-05-26 23:36:49

脸朝手掌!

如果我首先转换为htmlentites,然后用;&#69;替换;;,这就解决了我的问题。

自我思考的注意事项,你在哪里做事情,以及做什么!

​

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/16760665

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档