很好,正如标题所示,我的问题是从python中的Windows-1252编码文件中正确读取输入并将所述输入插入SQLAlchemy-MySql表中。
当前系统设置:Windows 7 VM,带有“ Roger访问控制系统”,用于输出文件;具有Windows系统共享文件夹的Ubuntu 12.04 LTS VM,因此我可以使用“ Python 2.7.3”访问该文件。
由于实际问题,对于输入文件,我有一个“ VM共享文件夹”,其中包含一个文件,该文件在Windows 7系统上通过Roger Access Control System(有关更多详细信息,请参见roger.pl)生成。称为“ PREvents.csv”,其内容暗示一个“;”单独的数据列表。
数据的示例格式:
2013-03-19;15:58:30;100;Jānis;Dumburs;1;Uznemums1;0;Ieeja;
2013-03-19;15:58:40;100;Jānis;Dumburs;1;Uznemums1;2;Izeja;
第四个字段包含卡所有者名称,第五个字段包含所有者姓氏,第六个字段包含所有者分配的组。
[问题来自上述3个字段中的任何一个都可以包含拉脱维亚语言的特定字符,在示例文件中,单词“Jānis”包含字母“ā”,在Unicode中为257。
按照我的习惯,我这样打开文件:
try:
f = codecs.open(file, 'rb', 'cp1252')
except IOError:
f = codecs.open(file, 'wb', 'cp1252')
到目前为止,一切正常,它打开了文件,因此我继续遍历文件的每一行(这是一个连续运行的脚本,请原谅循环):
while True:
line = f.readline()
if not line:
# Pause loop for 1 second
time.sleep(1)
else:
# Split the line into list
date, timed, userid, firstname, lastname, groupid, groupname, typed, pointname, empty = line.split(';')
这就是问题的开始,如果我print repr(firstname)
会打印u'J\xe2nis'
,据我所知,这是不正确的-“ \ xe2 \”不表示拉脱维亚字符“ā”。根据事件类型进一步深入循环,我将变量分配给SQLAlchemy对象并插入/更新:
if typed == '0': # Entry type
event = Events(
period,
fullname,
userid,
groupname,
timestamp,
0,
0
)
session.add(event)
else: # Exit type
event = session.query(Events).filter(
Events.period == period,
Events.exit == 0,
Events.userid == userid
).first()
if event is not None:
event.exit = timestamp
event.spent = timestamp - event.entry
# Commit changes to database
session.commit()
在寻找答案时,我发现了如何定义要使用的默认编码:
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
没有任何帮助。
基本上,所有这些都导致我无法插入正确的所有者的名字/姓氏以及所有者分配的组名,如果它们包含拉脱维亚的任何特定字符,例如:
Instead of the character "ā" it inserts "â"
我还想补充一点,我不能更改“ PREvents.csv”文件的编码,并且“ RACS”系统不支持插入UTF-8或Unicode文件-如果您尝试使用任何一种方法,系统都会插入随机符号拉脱维亚语专用字符。
如果需要任何其他信息,请现在让我,我会很乐意提供它:)
任何帮助将不胜感激。
CP1252不能代表ā;您输入的内容包含类似的字符。 repr
只是在Python 2.x中显示Unicode字符串的ASCII表示形式:
>>> print(repr(b'J\xe2nis'.decode('cp1252')))
u'J\xe2nis'
>>> print(b'J\xe2nis'.decode('cp1252'))
Jânis
我认为u'J\xe2nis'
是正确的,请参阅:
>>> print u'J\xe2nis'.encode('utf-8')
Jânis
您是从SQLAlchemy还是从应用程序的输出中获取实际错误?
我对某些XML文件有同样的问题,我解决了使用ANSI编码(Windows-1252)读取文件并使用UTF-8编码写入文件的问题:
import os
import sys
path = os.path.dirname(__file__)
file_name = 'my_input_file.xml'
if __name__ == "__main__":
with open(os.path.join(path, './' + file_name), 'r', encoding='cp1252') as f1:
lines = f1.read()
f2 = open(os.path.join(path, './' + 'my_output_file.xml'), 'w', encoding='utf-8')
f2.write(lines)
f2.close()