以下代码在我的Windows机器上使用Python3运行正常并打印字符'é':
data = b"\xc3\xa9"
print(data.decode('utf-8'))
但是,在基于Ubuntu的docker容器上运行相同会导致:
UnicodeEncodeError: 'ascii' codec can't encode character '\xe9' in position 0: ordinal not in range(128)
有什么必须安装才能启用utf-8解码吗?
问题在于print()
表达式,而不是decode()
方法。如果仔细观察,引发的异常是UnicodeEncodeError,而不是-DecodeError。
无论何时使用print()
函数,Python都会将其参数转换为str
,然后将结果编码为bytes
,它们将被发送到终端(或运行的任何Python)。用于编码的编解码器(例如UTF-8或ASCII)取决于环境。在一个理想的情况下,
在您的情况下,您提到的Linux docker不符合第二个条件:使用的编码是ASCII,它只支持旧英文打字机上的字符。这些是解决此问题的几个选项:
LC_ALL
设置为包含“UTF-8”的东西曾经为我工作过一次。您必须将它们放在终端运行的shell的启动脚本中,例如。 .bashrc中。sys.stdout = open(sys.stdout.buffer.fileno(), 'w', encoding='utf8')
使用的编码必须匹配终端之一。sys.stdout
底层的二进制缓冲区,例如。 sys.stdout.buffer.write("é".encode('utf8'))
。这当然比print("é")
更多样板。同样,使用的编码必须匹配终端之一。print()
。使用open(fn, encoding=...)
作为输出,进度信息的日志记录模块 - 取决于脚本的交互方式,这可能是值得的(诚然,在使用日志记录模块写入STDERR时,您可能会遇到相同的编码问题)。可能还有其他选择,但我怀疑有更好的选择。
似乎ubuntu - 取决于版本 - 使用一个或另一个编码作为默认值,它也可能在shell和python之间有所不同。从this posting和this blog采用:
因此推荐的方法似乎是告诉你的python实例使用utf-8
作为默认编码:
通过环境变量设置python源文件的默认编码:
export PYTHONIOENCODING=utf8
此外,在源文件中,您可以声明您希望显式使用的编码,因此无论环境设置如何,它都应该有效(请参阅this question + answer,python docs和PEP 263:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
....
关于python读取的文件编码的解释,您可以在open命令中明确指定它
with open(fname, "rt", encoding="utf-8") as f:
...
并且有一些更具有一些副作用的hackish方式,但是每次都会保存你以明确指定它
import sys
# sys.setdefaultencoding() does not exist, here!
reload(sys) # Reload does the trick!
sys.setdefaultencoding('UTF8')
请阅读related answer中有关此黑客的警告和评论。