不能删除python glob返回的字符串中的法语字母

我发现这里有两个潜在的问题。

首先,您需要在源代码中使用Unicode字符串,并且需要 tell Python what encoding the source code is in .不幸的是,如果你做的对,你的表中的元音数就会翻一番…:。-\

# -*- coding: UTF-8 -*-
...
accents = { u'a': [u'à', u'ã', u'á', u'â'],
            u'e': [u'é', u'è', u'ê', u'ë'],
            u'i': [u'î', u'ï'],
            u'u': [u'ù', u'ü', u'û'],
            u'o': [u'ô', u'ö'] }

其次,我认为您需要转换 glob 到Unicode字符串。

import sys
file_name = file_name.decode(sys.getfilesystemencoding())

python 3.0解决了这两个问题:文件名不必解码,Unicode字符串不需要 u 标签。

试着回答这个问题,我已经给出了我使用的最终解决方案。 latin-1 to ascii

并向glob传递一个unicode字符串,以获取unicode文件名,例如

for file_name in glob.glob(u"attachments/*.jpg"):
    print file_name.encode('ascii', 'latin2ascii')

我已经成功地通过将文件名转换为带有CP1252 ENNCODING的Unicode来解决这个问题。

for file_name in glob.glob("attachments/*.jpg"):
    file_name = file_name.decode(sys.getfilesystemencoding())
    print unicodedata.normalize('NFKD', file_name).encode('ascii','ignore')

编辑:Jason给出了一个更好的解决方案,将unicode(file_name,'cp1252')替换为file_name.decode(sys.getfilesystemcodeding())