当我试图确定如何使用/编码/解码一个我不确定编码的字符串(以及如何转义/转换该字符串中的特殊字符)时，我发现了这个问题。

我的第一步应该是检查字符串的类型-我没有意识到我可以从类型中获得关于其格式的良好数据。这个回答很有帮助，并触及了我问题的真正根源。

如果你得到一个粗鲁而执着的

“ascii”编解码器无法解码263位置的0xc3字节:序号不在范围(128)

特别是当你正在进行ENCODING时，确保你没有尝试unicode()一个已经是unicode的字符串-由于某些可怕的原因，你会得到ascii编解码器错误。(请参阅Python厨房食谱和Python文档教程，以更好地了解这有多可怕。)

最终我决定我想做的是:

escaped_string = unicode(original_string.encode('ascii','xmlcharrefreplace'))

在调试中也有帮助的是在我的文件中设置默认编码为utf-8(把它放在你的python文件的开头):

# -*- coding: utf-8 -*-

这允许您测试特殊字符('àéç')，而不必使用它们的unicode转义(u'\xe0\xe9\xe7')。

>>> specials='àéç'
>>> specials.decode('latin-1').encode('ascii','xmlcharrefreplace')
'àéç'

我使用以下方法来确定字符串是ascii还是unicode:

>> print 'test string'.__class__.__name__
str
>>> print u'test string'.__class__.__name__
unicode
>>> 

然后使用一个条件块来定义函数:

def is_ascii(input):
    if input.__class__.__name__ == "str":
        return True
    return False

你的问题不正确;你看到的错误不是你如何构建python的结果，而是混淆了字节字符串和unicode字符串。

字节字符串(例如:“foo”，或“bar”，在python语法中)是八字节序列;0-255之间的数字。Unicode字符串(例如u"foo"或u'bar')是Unicode码位的序列;0-1112064之间的数字。但是您似乎对字符é感兴趣，它(在您的终端中)是表示单个字符的多字节序列。

不要用ord(u'é')，试试这个:

>>> [ord(x) for x in u'é']

它告诉您“é”表示哪个代码点序列。它可能给你[233]，也可能给你[101,770]。

用unichr()代替chr()来扭转这一局面:

>>> unichr(233)
u'\xe9'

这个字符实际上可以用一个或多个unicode“码点”表示，这些码点本身既可以表示字素，也可以表示字符。它要么是“带有重音的e(即代码点233)”，要么是“e”(代码点101)，后面跟着“前一个字符的重音”(代码点770)。因此，这个完全相同的字符可以表示为Python数据结构u'\ u0301'或u'\u00e9'。

大多数情况下，您不应该关心这个问题，但是如果在unicode字符串上迭代，它就会成为一个问题，因为迭代是按代码点进行的，而不是按可分解字符进行的。换句话说，len(u'\ u0301') == 2和len(u'\u00e9') == 1。如果这对您很重要，您可以使用unicodedata.normalize在组合表单和分解表单之间进行转换。

Unicode Glossary可以作为理解其中一些问题的有用指南，它指出每个特定术语如何引用文本表示的不同部分，这比许多程序员意识到的要复杂得多。

import re

def is_ascii(s):
    return bool(re.match(r'[\x00-\x7F]+$', s))

要包含一个空字符串作为ASCII，将+改为*。

您可以使用正则表达式库，它接受Posix标准[[:ASCII:]]定义。

就像@RogerDahl的回答一样，但是通过否定字符类和使用搜索而不是find_all或match来短路更有效。

>>> import re
>>> re.search('[^\x00-\x7F]', 'Did you catch that \x00?') is not None
False
>>> re.search('[^\x00-\x7F]', 'Did you catch that \xFF?') is not None
True

我想正则表达式对此进行了很好的优化。