RTF 标准使用 UTF-16,但其形状适合 RTF 命令序列格式。记录于http://en.wikipedia.org/wiki/Rich_Text_Format#Character_encoding。不幸的是,pyRTF 不会为你做任何编码;处理这个问题已经在项目的 TODO 中了,但显然他们在放弃库之前从未做到这一点。
这是基于我最近在一个项目中使用的代码。我现在已经将其发布为rtfunicode on PyPI,支持 Python 2 和 3; python 2版本:
import codecs
import re
_charescape = re.compile(u'([\x00-\x1f\\\\{}\x80-\uffff])')
def _replace(match):
codepoint = ord(match.group(1))
# Convert codepoint into a signed integer, insert into escape sequence
return '\\u%s?' % (codepoint if codepoint < 32768 else codepoint - 65536)
def rtfunicode_encode(text, errors):
# Encode to RTF \uDDDDD? signed 16 integers and replacement char
return _charescape.sub(_replace, escaped).encode('ascii')
class Codec(codecs.Codec):
def encode(self, input, errors='strict'):
return rtfunicode_encode(input, errors), len(input)
class IncrementalEncoder(codecs.IncrementalEncoder):
def encode(self, input, final=False):
return rtfunicode_encode(input, self.errors)
class StreamWriter(Codec, codecs.StreamWriter):
pass
def rtfunicode(name):
if name == 'rtfunicode':
return codecs.CodecInfo(
name='rtfunicode',
encode=Codec().encode,
decode=Codec().decode,
incrementalencoder=IncrementalEncoder,
streamwriter=StreamWriter,
)
codecs.register(rtfunicode)
您可以编码为“rtfunicode”,而不是编码为“iso-8859-15”:
>>> u'\u20AC'.encode('rtfunicode') # EURO currency symbol
'\\u8364?'
以这种方式对插入 RTF 文档中的任何文本进行编码。
请注意,它仅支持 UCS-2 unicode (\uxxxx
,2字节),不是UCS-4(\Uxxxxxxxx
, 4字节);rtfunicode
1.1 通过简单地将 UTF-16 代理对编码为两个来支持这些\uDDDDD?
有符号整数。