我正在读取和解析Amazon XML文件,而当XML文件显示'时,尝试打印该文件时,出现以下错误:
'ascii' codec can't encode character u'\u2019' in position 16: ordinal not in range(128)
从到目前为止的在线阅读中,该错误是由于XML文件位于UTF-8中引起的,但是Python希望将其作为ASCII编码字符进行处理。有没有简单的方法可以使错误消失并让我的程序在读取时打印XML?
我正在读取和解析Amazon XML文件,而当XML文件显示'时,尝试打印该文件时,出现以下错误:
'ascii' codec can't encode character u'\u2019' in position 16: ordinal not in range(128)
从到目前为止的在线阅读中,该错误是由于XML文件位于UTF-8中引起的,但是Python希望将其作为ASCII编码字符进行处理。有没有简单的方法可以使错误消失并让我的程序在读取时打印XML?
Answers:
可能是,您的问题是您已对其进行了解析,现在您正尝试打印XML的内容,但由于存在一些外来Unicode字符而无法这样做。首先尝试将unicode字符串编码为ascii:
unicodeData.encode('ascii', 'ignore')
“忽略”部分将告诉它只跳过那些字符。从python文档中:
>>> u = unichr(40960) + u'abcd' + unichr(1972)
>>> u.encode('utf-8')
'\xea\x80\x80abcd\xde\xb4'
>>> u.encode('ascii')
Traceback (most recent call last):
File "<stdin>", line 1, in ?
UnicodeEncodeError: 'ascii' codec can't encode character '\ua000' in position 0: ordinal not in range(128)
>>> u.encode('ascii', 'ignore')
'abcd'
>>> u.encode('ascii', 'replace')
'?abcd?'
>>> u.encode('ascii', 'xmlcharrefreplace')
'ꀀabcd޴'
您可能需要阅读这篇文章:http : //www.joelonsoftware.com/articles/Unicode.html,我发现它对于发生的事情是非常有用的基础教程。阅读之后,您将不再觉得自己只是在猜测要使用的命令(或者至少是我遇到的命令)。
.encode('ascii', 'ignore')
即使OP的环境可能支持非ascii字符也不必要地丢失数据(大多数情况下)
更好的解决方案:
if type(value) == str:
# Ignore errors even if the string is not proper UTF-8 or has
# broken marker bytes.
# Python built-in function unicode() can do this.
value = unicode(value, "utf-8", errors="ignore")
else:
# Assume the value object has proper __unicode__() method
value = unicode(value)
如果您想详细了解原因:
http://docs.plone.org/manage/troubleshooting/unicode.html#id1
u'\u2019
已经是Unicode。
不要在脚本中对环境的字符编码进行硬编码。直接打印Unicode文本:
assert isinstance(text, unicode) # or str on Python 3
print(text)
如果您的输出重定向到文件(或管道);您可以使用PYTHONIOENCODING
envvar来指定字符编码:
$ PYTHONIOENCODING=utf-8 python your_script.py >output.utf8
否则,python your_script.py
应工作-您的区域设置用于将文本编码(上POSIX检查:LC_ALL
,LC_CTYPE
,LANG
envvars中-设置LANG
为UTF-8语言环境如果需要的话)。
要在Windows上打印Unicode,请参见以下答案,该答案显示了如何将Unicode打印到Windows控制台,文件或使用IDLE。
优秀文章:http : //www.carlosble.com/2010/12/understanding-python-and-unicode/
# -*- coding: utf-8 -*-
def __if_number_get_string(number):
converted_str = number
if isinstance(number, int) or \
isinstance(number, float):
converted_str = str(number)
return converted_str
def get_unicode(strOrUnicode, encoding='utf-8'):
strOrUnicode = __if_number_get_string(strOrUnicode)
if isinstance(strOrUnicode, unicode):
return strOrUnicode
return unicode(strOrUnicode, encoding, errors='ignore')
def get_string(strOrUnicode, encoding='utf-8'):
strOrUnicode = __if_number_get_string(strOrUnicode)
if isinstance(strOrUnicode, unicode):
return strOrUnicode.encode(encoding)
return strOrUnicode
您可以使用以下形式
s.decode('utf-8')
它将UTF-8编码的字节字符串转换为Python Unicode字符串。但是要使用的确切过程取决于确切地加载和解析XML文件的方式,例如,如果您从未直接访问XML字符串,则可能必须使用codecs
模块中的解码器对象。
'...'.encode('utf-8')
我写了以下文章,以解决讨厌的非ascii引号,并强制将其转换为可用的东西。
unicodeToAsciiMap = {u'\u2019':"'", u'\u2018':"`", }
def unicodeToAscii(inStr):
try:
return str(inStr)
except:
pass
outStr = ""
for i in inStr:
try:
outStr = outStr + str(i)
except:
if unicodeToAsciiMap.has_key(i):
outStr = outStr + unicodeToAsciiMap[i]
else:
try:
print "unicodeToAscii: add to map:", i, repr(i), "(encoded as _)"
except:
print "unicodeToAscii: unknown code (encoded as _)", repr(i)
outStr = outStr + "_"
return outStr
如果您需要在屏幕上打印字符串的近似表示,而不是忽略那些不可打印的字符,请unidecode
在此处尝试打包:
https://pypi.python.org/pypi/Unidecode
在这里找到说明:
https://www.tablix.org/~avian/blog/archives/2009/01/unicode_transliteration_in_python/
这比u.encode('ascii', 'ignore')
对给定的字符串使用更好u
,如果字符精度不是您想要的,但仍然希望具有人类可读性,则可以使您免于不必要的麻烦。
威拉湾
unicode()
?