私のパーサー関数はlxml
、Unicode 文字列 ( book_list
) のリストを使用して提供します。
文字列は結合されてファイル名になり、クリーンアップされてsubprocess.call
から別のバイナリに渡され、作業が続行されます。
私の問題は、Unicode オブジェクト (例: title_name = u'Wunderlicher Traum von einem gro\xdfen Narrennest'
) が ISO-8859-2 でエンコードされており (少なくとも「chardet」が教えてくれることです)、ファイル システム レベルで適切に表示される形式に変換する必要があることです。現在のコードでは、ファイル名はu'Wunderlicher Traum von einem gro\xc3\x9fen Narrennest'
.
誰かが私が間違っていることを知っていますか?
いくつかの情報:
sys.getdefaultencoding()
を返しますがascii
、理論的には äöü などの特殊文字を許可するべきではないため、混乱します)。- OS X 10.9、パイソン 2.7.5
def convert_books(book_list, output_dir):
for book in book_list:
author_name = book[0][0]
title_name = book[0][1]
#print chardet.detect(title_name)
#print type(title_name)
#print title_name.decode('iso-8859-2')
year_name = "1337"
output_file = u"%s - %s (%s).pdf" % (author_name, title_name, year_name)
keep_characters = (' ', '.', '_')
output_file.join(c for c in output_file if c.isalnum() or c in keep_characters).rstrip()
path_to_out = "%s%s" % (output_dir, output_file)
target_file = WORK_DIR + book[1].replace(".xml", ".html")
engine_parameter = [
WKHTMLTOPDF_BIN,
# GENERAL
"-l", # lower quality
"-L", "25mm",
"-R", "25mm",
"-T", "25mm",
"-B", "35mm",
"--user-style-sheet", "media/style.css",
target_file,
path_to_out,
]
print "+ Creating PDF \"%s\"" % (output_file)
call(engine_parameter)