Unable to decode unicode string in Python 2.4
这在python 2.4中。这是我的情况。我从数据库中拉出一个字符串,它包含一个斜线"o"(xf6)。此时,如果我运行type(value),它将返回str.i,然后尝试运行.decode("utf-8"),我会得到一个错误("utf8"codec无法解码位置1-4中的字节)。
实际上,我在这里的目标只是成功地使类型(值)返回unicode。我发现了一个更早的问题这有一些有用的信息,但是从选择的答案中得到的例子似乎不适合我。这里有什么我做错的地方吗?
下面是一些要复制的代码:
1 2 3 | Name = 'w\xc3\xb6rner'.decode('utf-8') file.write('Name: %s - %s ' %(Name, type(Name))) |
实际上,我从未到达WRITE语句,因为它在第一个语句上失败。
谢谢你的帮助。
编辑:
我验证了数据库的字符集是utf8。因此,在我的代码中,我将'xf6'更改为'xc3xb6',但仍然失败。"utf-8"和"utf8"有区别吗?
使用编解码器写入文件的技巧很方便(我肯定会使用它),但是在这个场景中,我只是为了调试而写入日志文件。
您的字符串不是UTF8编码。如果要将字符串"解码"为Unicode,则字符串必须使用参数指定的编码。我试过了,效果很好:
1 | print 'w\xf6rner'.decode('cp1250') |
编辑
要将Unicode字符串写入文件,可以使用编解码器模块:
1 2 3 | import codecs f = codecs.open("yourfile.txt","w","utf8") f.write( ... ) |
指定输入/输出的编码并在整个代码中使用"unicode"字符串非常方便,而不需要考虑不同的编码。
显然是1字节编码。"?'以utf-8表示'xc3xb6'。
编码可能是:
- ISO-859-1
- ISO-859-2
- ISO-855-13
- ISO-855-15
- WE1250
- WE1252
您需要使用"ISO-8859-1":
1 2 3 | Name = 'w\xf6rner'.decode('iso-8859-1') file.write('Name: %s - %s ' %(Name, type(Name))) |
UTF-8使用2个字节来转义ASCII之外的任何内容,但这里它只有1个字节,所以ISO-8859-1可能是正确的。
So in my code to reproduce I changed '\xf6' to '\xc3\xb6', and the failure still occurs
不是第一行,不是:
1 2 | >>> 'w\xc3\xb6rner'.decode('utf-8') u'w\xf6rner' |
但第二行将出错:
1 2 3 | >>> file.write('Name: %s - %s ' %(Name, type(Name))) UnicodeEncodeError: 'ascii' codec can't encode character u'\xf6' in position 7: ordinal not in range(128) |
这完全是您所期望的,尝试将非ASCIIUnicode字符写入字节流。如果您使用jiri对编解码器包装流的建议,则可以直接写入unicode,否则必须手动将unicode字符串重新编码为字节。
更好的是,为了日志记录的目的,只需吐出变量的repr()。然后,您不必担心Unicode字符在其中,或换行符或其他不需要的字符:
1 2 3 4 5 | name= 'w\xc3\xb6rner'.decode('utf-8') file.write('Name: %r ' % name) Name: u'w\xf6rner' |