Python-如何解决：“ UnicodeDecodeError：'ascii'编解码器无法解码字节”

Question

as3:~/ngokevin-site# nano content/blog/20140114_test-chinese.mkd
as3:~/ngokevin-site# wok
Traceback (most recent call last):
File "/usr/local/bin/wok", line 4, in
Engine()
File "/usr/local/lib/python2.7/site-packages/wok/engine.py", line 104, in init
self.load_pages()
File "/usr/local/lib/python2.7/site-packages/wok/engine.py", line 238, in load_pages
p = Page.from_file(os.path.join(root, f), self.options, self, renderer)
File "/usr/local/lib/python2.7/site-packages/wok/page.py", line 111, in from_file
page.meta['content'] = page.renderer.render(page.original)
File "/usr/local/lib/python2.7/site-packages/wok/renderers.py", line 46, in render
return markdown(plain, Markdown.plugins)
File "/usr/local/lib/python2.7/site-packages/markdown/init.py", line 419, in markdown
return md.convert(text)
File "/usr/local/lib/python2.7/site-packages/markdown/init.py", line 281, in convert
source = unicode(source)
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe8 in position 1: ordinal not in range(128). -- Note: Markdown only accepts unicode input!

如何解决？

在其他基于python的静态博客应用中，中文帖子可以成功发布。像这个程序：http : //github.com/vrypan/bucket3。在我的网站http://bc3.brite.biz/中，中文帖子可以成功发布。

Answer 1

tl;dr / quick fix

• 不要对Willy Nilly进行解码/编码
• 不要以为你的字符串是UTF-8编码的
• 尝试在代码中尽快将字符串转换为Unicode字符串
• 解决你的语言环境：如何在Python 3.6中解决UnicodeDecodeError？
• 不要试图使用快速reloadhack

Python 2.x中的Unicode Zen-完整版

在没有看到来源的情况下，很难知道根本原因，因此我将不得不大体讲一下。

UnicodeDecodeError: 'ascii' codec can't decode byte当你尝试将str包含非ASCII 的Python 2.x转换为Unicode字符串而不指定原始字符串的编码时，通常会发生这种情况。

简而言之，Unicode字符串是一种完全独立的Python字符串类型，不包含任何编码。它们仅保存Unicode 点代码，因此可以保存整个频谱中的任何Unicode点。字符串包含编码的文本，如UTF-8，UTF-16，ISO-8895-1，GBK，Big5等。字符串被解码为Unicode，而Unicodes被编码为字符串。文件和文本数据始终以编码的字符串传输。

Markdown模块的作者可能会使用unicode()（抛出异常的地方）作为其余代码的质量门-它会转换ASCII或将现有的Unicode字符串重新包装为新的Unicode字符串。Markdown作者无法得知传入字符串的编码，因此在传递给Markdown之前，将依赖你将字符串解码为Unicode字符串。

可以使用u字符串的前缀在代码中声明Unicode 字符串。例如

>>> my_u = u'my ünicôdé strįng'
>>> type(my_u)
<type 'unicode'>

Unicode字符串也可能来自文件，数据库和网络模块。发生这种情况时，你无需担心编码。

Gotchas

str即使不显式调用，也可能会发生从Unicode到Unicode的转换unicode()。

以下情况导致UnicodeDecodeError异常：

# Explicit conversion without encoding
unicode('€')

# New style format string into Unicode string
# Python will try to convert value string to Unicode first
u"The currency is: {}".format('€')

# Old style format string into Unicode string
# Python will try to convert value string to Unicode first
u'The currency is: %s' % '€'

# Append string to Unicode
# Python will try to convert string to Unicode first
u'The currency is: ' + '€'

例子

在下图中，你可以看到如何café根据终端类型以“ UTF-8”或“ Cp1252”编码方式对单词进行编码。在两个示例中，caf都是常规的ascii。在UTF-8中，é使用两个字节进行编码。在“ Cp1252”中，é是0xE9（它也恰好是Unicode点值（这不是巧合））。正确的decode()被调用，并成功转换为Python Unicode： 将字符串转换为Python Unicode字符串的图

在此图中，使用decode()进行调用ascii（与unicode()没有给出编码的调用相同）。由于ASCII不能包含大于的字节0x7F，这将引发UnicodeDecodeError异常：

将字符串转换为编码错误的Python Unicode字符串的图

The Unicode Sandwich

最好在代码中形成一个Unicode三明治，在该代码中，你将所有传入数据解码为Unicode字符串，使用Unicode，然后在输出时编码为strs。这使你不必担心代码中间的字符串编码。

输入/解码

源代码

如果你需要将非ASCII烘烤到源代码中，只需通过在字符串前面加上来创建Unicode字符串u。例如

u'Zürich'

为了允许Python解码你的源代码，你将需要添加一个编码标头以匹配文件的实际编码。例如，如果你的文件编码为“ UTF-8”，则可以使用：

# encoding: utf-8

仅当源代码中包含非ASCII时才需要这样做。

档案

通常从文件接收非ASCII数据。该io模块提供了一个TextWrapper，它使用给定即时解码文件encoding。你必须为文件使用正确的编码-不容易猜测。例如，对于UTF-8文件：

import io
with io.open("my_utf8_file.txt", "r", encoding="utf-8") as my_file:
     my_unicode_string = my_file.read() 

my_unicode_string然后适合传递给Markdown。如果UnicodeDecodeError从read()行开始，则你可能使用了错误的编码值。

CSV文件

Python 2.7 CSV模块不支持非ASCII字符。但是，https：//pypi.python.org/pypi/backports.csv提供了帮助。

像上面一样使用它，但是将打开的文件传递给它：

from backports import csv
import io
with io.open("my_utf8_file.txt", "r", encoding="utf-8") as my_file:
    for row in csv.reader(my_file):
        yield row

资料库
大多数Python数据库驱动程序都可以Unicode格式返回数据，但是通常需要一些配置。始终对SQL查询使用Unicode字符串。

MySQL

在连接字符串中添加：

charset='utf8',
use_unicode=True

例如

>>> db = MySQLdb.connect(host="localhost", user='root', passwd='passwd', db='sandbox', use_unicode=True, charset="utf8")
PostgreSQL

加：

psycopg2.extensions.register_type(psycopg2.extensions.UNICODE)
psycopg2.extensions.register_type(psycopg2.extensions.UNICODEARRAY)

HTTP

网页几乎可以采用任何编码方式进行编码。的Content-type报头应包含一个charset字段在编码暗示。然后可以根据该值手动解码内容。另外，Python-Requests在中返回Unicode response.text。

Manually

如果必须手动解码字符串，则可以简单地执行my_string.decode(encoding)，其中encoding是适当的编码。此处提供了Python 2.x支持的编解码器：标准编码。同样，如果你得到了，UnicodeDecodeError则可能是编码错误。

The meat of the sandwich

像正常strs一样使用Unicode。

Output

stdout / printing

print通过stdout流写入。Python尝试在stdout上配置编码器，以便将Unicode编码为控制台的编码。例如，如果Linux shell locale是en_GB.UTF-8，则输出将被编码为UTF-8。在Windows上，你将被限制为8位代码页。

错误配置的控制台（例如损坏的语言环境）可能导致意外的打印错误。PYTHONIOENCODING环境变量可以强制对stdout进行编码。

档案

就像输入一样，io.open可用于将Unicode透明地转换为编码的字节字符串。

数据库

用于读取的相同配置将允许直接编写Unicode。

Python 3

Python 3不再比Python 2.x更具有Unicode功能，但是在该主题上的混淆却稍少一些。例如，常规str字符串现在是Unicode字符串，而旧字符串str现在是bytes。

默认编码为UTF-8，因此，如果你.decode()未提供任何编码的字节字符串，Python 3将使用UTF-8编码。这可能解决了50％的人们的Unicode问题。

此外，open()默认情况下以文本模式运行，因此返回已解码str（Unicode 编码）。编码来自你的语言环境，在Un * x系统上通常是UTF-8，在Windows机器上通常是8位代码页，例如Windows-1251。

为什么不应该使用 sys.setdefaultencoding('utf8')
这是一个令人讨厌的hack（有必要使用reload），它只会掩盖问题并阻碍你迁移到Python3.x。理解问题，解决根本原因并享受Unicode zen。请参阅为什么我们不应该在py脚本中使用sys.setdefaultencoding（“ utf-8”）？了解更多详情