我正在尝试使用 Python 在 StringIO 对象中写入数据,然后使用 psycopg2 的 copy_from() 函数最终将这些数据加载到 postgres 数据库中。
首先,当我这样做时,copy_from() 抛出错误:错误:编码“UTF8”的字节序列无效:0xc92 所以我遵循了 this question .
我发现我的 Postgres 数据库有 UTF8 编码。
我正在写入数据的文件/StringIO 对象显示其编码如下: setgid 非 ISO 扩展 ASCII 英文文本,行很长,带有 CRLF 行终止符
我尝试将写入中间文件/StringIO 对象的每个字符串编码为 UTF8 格式。为此,对每个字符串使用 .encode(encoding='UTF-8',errors='strict'))。
这是我现在得到的错误: UnicodeDecodeError: 'ascii' 编解码器无法解码位置 47 中的字节 0x92:序号不在范围内 (128)
这是什么意思?我该如何解决?
编辑: 我正在使用 Python 2.7 我的一些代码:
我从一个 MySQL 数据库中读取,该数据库的数据按照 MySQL Workbench 以 UTF-8 编码。 这是将我的数据(从 MySQL 数据库获得)写入 StringIO 对象的几行代码:
# Populate the table_data variable with rows delimited by \n and columns delimited by \t
row_num=0
for row in cursor.fetchall() :
# Separate rows in a table by new line delimiter
if(row_num!=0):
table_data.write("\n")
col_num=0
for cell in row:
# Separate cells in a row by tab delimiter
if(col_num!=0):
table_data.write("\t")
table_data.write(cell.encode(encoding='UTF-8',errors='strict'))
col_num = col_num+1
row_num = row_num+1
这是从我的 StringIO 对象 table_data 写入 Postgres 数据库的代码:
cursor = db_connection.cursor()
cursor.copy_from(table_data, <postgres_table_name>)
最佳答案
问题是您在 str
对象上调用 encode
。
str
是一个字节串,通常表示以某种方式编码的文本,例如 UTF-8。当您对其调用 encode
时,它首先必须被解码回文本,因此文本可以重新编码。默认情况下,Python 通过调用 s.decode(sys.getgetdefaultencoding())
来实现,而 getdefaultencoding()
通常返回 'ascii'
。
所以,您说的是 UTF-8 编码的文本,将其解码为 ASCII,然后将其重新编码为 UTF-8。
一般的解决方案是用正确的编码显式调用decode
,而不是让Python使用默认值,然后对结果进行encode
。
但是当正确的编码已经是你想要的编码时,更简单的解决方案是跳过 .decode('utf-8').encode('utf-8')
并且只是使用 UTF-8 str
作为它已经存在的 UTF-8 str
。
或者,如果您的 MySQL 包装器具有允许您指定编码并返回 CHAR
/VARCHAR
的 unicode
值的功能/TEXT
列而不是 str
值(例如,在 MySQLdb 中,您将 use_unicode=True
传递给 connect
调用,或者 charset='UTF-8'
如果您的数据库太旧而无法自动检测),就这样做吧。然后您将拥有 unicode
对象,您可以对它们调用 .encode('utf-8')
。
一般来说,处理 Unicode 问题的最好方法是最后一个——尽早解码所有内容,用 Unicode 进行所有处理,然后尽可能晚地编码。但无论哪种方式,你都必须保持一致。不要在可能是 unicode
的东西上调用 str
;不要将 str
文字连接到 unicode
或将其传递给 replace
方法;等等。任何时候你混合搭配,Python 都会使用你的默认编码为你隐式转换,这几乎不是你想要的。
附带说明一下,这是 Python 3.x 的 Unicode 更改有助于解决的众多问题之一。首先,str
现在是 Unicode 文本,而不是编码字节。更重要的是,如果你有编码字节,例如,在bytes
对象中,调用encode
会给你一个AttributeError
而不是试图静默解码,以便它可以重新编码。而且,类似地,尝试混合和匹配 Unicode 和字节会给你一个明显的 TypeError
,而不是在某些情况下成功的隐式转换,并给出关于你没有进行的编码或解码的神秘消息求于他人。
关于python - Unicode解码错误: 'ascii' codec can't decode byte 0x92 in position 47: ordinal not in range(128),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26619801/