使用 Python 读取 RTF 文件时出现欧元符号问题

我需要使用 Python 和 pyRTF 生成 RTF 文档，一切正常：我对重音字母没有问题，它甚至接受欧元符号而没有错误，但不是€，我得到这个标志：¤。 我用这种方式对字符串进行编码：

x.encode("iso-8859-15")

我用谷歌搜索了很多，但我无法解决这个问题，我需要做什么才能获得欧元符号？

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）;rtfunicode1.1 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。