我必须用 Python 读取 XML 文件并抓取各种内容,我遇到了令人沮丧的 Unicode 编码错误,即使使用谷歌搜索我也无法弄清楚。
以下是我的代码片段:
#!/usr/bin/python
# coding: utf-8
from xml.dom.minidom import parseString
with open('data.txt','w') as fout:
#do a lot of stuff
nameObj = data.getElementsByTagName('name')[0]
name = nameObj.childNodes[0].nodeValue
#... do more stuff
fout.write(','.join((name,bunch of other stuff))
当我正在解析的名称条目包含欧元符号时,这会严重崩溃。这是错误:
UnicodeEncodeError: 'ascii' codec can't encode character u'\u20ac' in position 60: ordinal not in range(128)
我明白为什么欧元符号会搞砸(因为它是 128,对吗?),但我认为执行 #coding:utf-8 可以解决这个问题。我还尝试添加 .encode(utf-8) 以便名称看起来像
name = nameObj.childNodes[0].nodeValue.encode(utf-8)
但这也行不通。我究竟做错了什么? (如果有人想知道,我正在使用 Python 2.7.3)
编辑:Python 在 fout.write() 行崩溃——它会在 name 字段的地方正常运行:
<name>United States, USD</name>
但会在名称字段上乱码,例如:
<name>France, € </name>
最佳答案
当您使用 open
内置函数在 python 中打开文件时,您将始终以 ascii 格式读取文件。要以另一种编码访问它,您必须使用编解码器:
import codecs
fout = codecs.open('data.txt','w','utf-8')
关于Python Unicode 编码错误序号不在带欧元符号的 <128> 范围内,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15237702/