问题:Python-‘ASCII’编解码器无法解码字节
我真的很困惑 我尝试编码,但错误提示can't decode...
。
>>> "你好".encode("utf8")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)
我知道如何避免在字符串上加上“ u”前缀的错误。我只是想知道为什么在调用编码时错误是“无法解码”的。Python到底是做什么的?
回答 0
"你好".encode('utf-8')
encode
将unicode对象转换为string
对象。但是这里您已经在string
对象上调用了它(因为您没有u)。因此python必须先将转换string
为unicode
对象。所以它相当于
"你好".decode().encode('utf-8')
但是解码失败,因为字符串无效的ascii。这就是为什么您会抱怨无法解码的原因。
回答 1
始终从unicode 编码为字节。
在这个方向上,您可以选择encoding。
>>> u"你好".encode("utf8")
'\xe4\xbd\xa0\xe5\xa5\xbd'
>>> print _
你好
另一种方法是从字节解码为unicode。
在这个方向上,您必须知道什么是编码。
>>> bytes = '\xe4\xbd\xa0\xe5\xa5\xbd'
>>> print bytes
你好
>>> bytes.decode('utf-8')
u'\u4f60\u597d'
>>> print _
你好
这一点压力不够大。如果您想避免播放unicode的“打hack鼠”游戏,那么了解数据级别的情况很重要。这里说明了另一种方式:
- 一个unicode对象已经被解码了,您再也不想调用
decode
它了。 - 一个字节串对象已经被编码,您永远不想调用
encode
它。
现在,在看到.encode
字节字符串时,Python 2首先尝试将其隐式转换为文本(unicode
对象)。同样,在看到.decode
unicode字符串时,Python 2隐式尝试将其转换为字节(str
对象)。
这些隐式转换是您调用时可以得到的原因。这是因为编码通常接受type的参数;接收参数时,在使用另一种编码对它进行重新编码之前,会对类型进行隐式解码。此转换选择默认的“ ascii”解码器†,给您编码器内部的解码错误。Unicode
Decode
Error
encode
unicode
str
unicode
事实上,在Python 3的方法str.decode
和bytes.encode
甚至不存在。为了避免这种常见的混淆,将它们移除是一个有争议的尝试。
† …或任何编码sys.getdefaultencoding()
提及的内容;通常这是“ ascii”
回答 2
你可以试试这个
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
要么
您也可以尝试关注
在.py文件顶部添加以下行。
# -*- coding: utf-8 -*-
回答 3
如果您使用的是Python <3,则需要在解释器前面加上一个前缀,u
以告知您的字符串文字是Unicode:
Python 2.7.2 (default, Jan 14 2012, 23:14:09)
[GCC 4.2.1 (Based on Apple Inc. build 5658) (LLVM build 2335.15.00)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> "你好".encode("utf8")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe4 in position 0: ordinal not in range(128)
>>> u"你好".encode("utf8")
'\xe4\xbd\xa0\xe5\xa5\xbd'
进一步阅读:Unicode HOWTO。
回答 4
您用于u"你好".encode('utf8')
编码unicode字符串。但是,如果要表示"你好"
,则应该对其进行解码。就像:
"你好".decode("utf8")
您将得到想要的东西。也许您应该了解有关编码和解码的更多信息。
回答 5
如果您要处理Unicode,有时可以用代替encode('utf-8')
,也可以忽略特殊字符,例如
"你好".encode('ascii','ignore')
或如something.decode('unicode_escape').encode('ascii','ignore')
这里所建议。
在此示例中不是特别有用,但是在无法转换某些特殊字符的其他情况下可以更好地工作。
或者,您可以考虑使用替换特定字符replace()
。
回答 6
如果要从Linux或类似系统(BSD,不确定Mac)上的外壳启动python解释器,则还应检查外壳的默认编码。
locale charmap
从shell 调用(不是python解释器),您应该看到
[user@host dir] $ locale charmap
UTF-8
[user@host dir] $
如果不是这种情况,您会看到其他情况,例如
[user@host dir] $ locale charmap
ANSI_X3.4-1968
[user@host dir] $
Python将(至少在某些情况下,例如在我的情况下)继承外壳程序的编码,并且将无法打印(某些?全部?)unicode字符。Python的默认编码,你看,并通过控制sys.getdefaultencoding()
和sys.setdefaultencoding()
在这种情况下被忽略。
如果发现此问题,可以通过以下方法解决
[user@host dir] $ export LC_CTYPE="en_EN.UTF-8"
[user@host dir] $ locale charmap
UTF-8
[user@host dir] $
(或选择要使用的键盘映射而不是en_EN。)您也可以编辑/etc/locale.conf
(或控制系统中区域设置的文件)。