还有一个人无法找到正确的魔法咒语来让Python打印UTF-8字符。
我有一个JSON文件。JSON文件包含字符串值。其中一个字符串值包含字符"à"。我有一个Python程序,它读取JSON文件并打印其中的一些字符串。有时,当程序试图打印包含"à"的字符串时,我会得到错误
UnicodeEncodeError: 'ascii' codec can't encode character u'xe0' in position 12: ordinal not in range(128)
这很难复制。有时,一个稍微不同的程序能够打印字符串"à"。仅包含此字符串的较小JSON文件不会出现此问题。如果我开始在代码中散布encode('utf-8')
和decode('utf-8')
,它会以不可预测的方式改变结果。我还没能创建一个显示这个问题的最小代码片段和输入。
我像这样加载JSON文件。
with codecs.open(filename, 'r', 'utf-8') as f:
j = json.load(f)
我会像这样拔出那根冒犯的绳子。
s = j['key']
稍后,我做了一个包含s
的print
,并看到了错误。
我很确定原始文件是UTF-8格式的,因为在交互式命令行中
codecs.open(filename, 'r', 'utf-8').read()
返回字符串,但
codecs.open(filename, 'r', 'ascii').read()
给出了一个关于ascii编解码器无法解码某个字节的错误。以字节为单位的文件大小与wc -c
返回的字符数相同,而且我看不到任何其他看起来像非ASCII字符的字符,所以我怀疑问题完全在于这个高ASCII"à"。
在我的代码中,我没有对str()
进行任何显式调用。
我已经学习过多次Python Unicode HOWTO。我知道我应该"三明治"处理unicode。我想我在这么做,但显然我还是有误解。
大多数情况下,我感到困惑,因为如果我在codecs.open
调用中指定"utf-8",那么一切都应该以utf-8进行。我不明白ASCII编解码器是如何潜入的。
我做错了什么?我该如何调试它?
编辑:使用io
模块代替codecs
。同样的结果。
编辑:我没有最小的例子,但至少我有一个最小的repo场景。
我正在打印一个从导致问题的JSON中的字符串派生的对象。所以下面给出了一个错误。
print(myobj)
(请注意,我使用的是from __future__ import print_function
,尽管这似乎没有什么区别。)
将encode('utf-8')
放在对象的__str__
函数返回值的末尾并不能修复错误。但是,将打印行更改为该行确实如此。
print("%s" % myobj)
这在我看来是错误的。我希望这两个打印调用是等效的。
我可以通过执行sys.setdefaultencoding破解:来完成这项工作
import sys
reload(sys)
sys.setdefaultencoding("UTF-8")
但这显然是一个坏主意,可能会使Python在其他方面出现故障。
正确的方法是什么?我试过
env PYTHONIOENCODING=UTF-8 ./myscript.py
但那没用。(毫不奇怪,因为问题是默认编码,而不是io编码。)
当直接写入文件或将stdout重定向到文件或管道时,默认编码为ASCII,并且在写入Unicode字符串之前必须对其进行编码。对于打开的文件句柄,您可以设置一个编码以使其自动发生,但对于print
,您必须使用encode()
方法。
print s.encode('utf-8')
建议使用较新的io
模块来代替codecs
,因为它具有改进的实现,并且与Py3.x open()
向前兼容。