使用Python替换HTML中弯引号为普通单引号的问题求助

问题核心 #

用pypandoc将Word文档转换为带图片的HTML后，文档内的‘（左单引号）和’（右单引号）作为邮件正文显示异常，需要替换为普通单引号'，但常规的replace或re.sub方法均失效。

失效原因 #

主要是文件编码不匹配导致：读取HTML文件时未指定UTF-8编码，特殊引号字符被错误解析，无法与代码中写的字符匹配；或是代码文件编码与HTML文件编码不一致，导致匹配字符不对应。

解决步骤 #

1. 读取文件时强制指定UTF-8编码 #

打开HTML文件必须显式声明encoding='utf-8'，避免系统默认编码造成字符识别错误。

2. 用Unicode编码值精准匹配替换 #

直接使用特殊引号对应的Unicode编码（‘为\u2018，’为\u2019）进行匹配，绕过编码不一致的问题；也可使用str.translate()批量替换，效率更高。

可行代码示例 #

# 读取HTML文件，指定UTF-8编码
with open(html_file, 'r', encoding='utf-8') as file:
    html_data = file.read()

# 方法1：正则匹配Unicode编码替换
import re
html_data = re.sub(r'\u2018|\u2019', "'", html_data)

# 方法2：用str.translate批量替换（更高效）
quote_translator = str.maketrans({
    '\u2018': "'",
    '\u2019': "'",
    # 若需替换双引号，可追加：
    # '\u201c': '"',
    # '\u201d': '"'
})
html_data = html_data.translate(quote_translator)

验证 #

替换后检查短语i’d like to是否转为i'd like to，同时确认图片等其他内容无损坏，再作为邮件正文发送即可。

内容的提问来源于stack exchange，提问作者Vinay Savla