python - 在 Python 中获取字符串和 csv 文件的正确编码

Question

我在 Python 中使用 mechanize 从网站获取一些数据并向其发送新数据。

问题是该网站是法语的，所以我得到的是菱形问号 (�) 而不是 éÉÀàùÙîû 等各种字符。

我试着在 Google 和 StackOverflow 上四处寻找，发现了各种无法解决我的问题的答案。我看到了建议尝试以下行之一的答案:

myString = éÀî

myString.encode('latin-1')
myString.encode('iso-8859-1')

unicode(myString, 'iso-8859-1')

但这些似乎都不起作用。

我需要它的两种情况是当我读取带有重音符号的 csv 文件和包含重音符号的硬编码字符串时。例如，csv 文件中的一行如下所示(实际上“;”是分隔符):

Adam Guérin;myemail@mail.com;555-5555;2011-02-05

'é' 看起来不错，但是当我尝试用 mechanize 填充网站上的文本字段并提交它时，'é' 现在在实际网站上看起来像 '�'。

编辑:

这是我读取csv文件中数据的代码:

subscriberReader = csv.reader(open(path, 'rb'), delimiter=';')
subscribers = []

for row in subscriberReader:
    subscribers.append(Subscriber(row[0], row[1], row[2]))

然后我使用 mechanize 将它发送到网站:

self.br.select_form('aspnetForm')

self.br.form['fldEmail'] = subscriber.email
self.br.form['fldName'] = subscriber.name
self.br.form['fldPhoneNum'] = subscriber.phoneNum

self.br.submit()

我尝试了多种方式来对字符进行编码，但我想我做的不正确。我很乐意尝试答案/评论中提出的任何建议。

至于该网站，它没有指定它在 header 中使用的编码。

Answer 1

首先，您提到要将文字放入代码中。为此，您需要告诉 Python 您的脚本文件的编码方式。您可以在文件开头使用注释声明来执行此操作(我假设您使用的是 latin-1)。

# -*- coding: latin-1 -*-
myString = u'éÀî'

其次，您需要能够使用字符串。这不是特定于机械化的，但涵盖一些基础知识应该是有用的:首先，myString 最终成为一个 unicode 对象(由于声明文字的方式，u' ').因此，要将其用作 Latin-1 编码，您需要调用 .encode()，例如:

with open('test.txt', 'w') as f:
    f.write(myString.encode('latin-1'))

最后，当读取编码的字符串时(例如，从远程网站)，您可以使用 .decode() 将其解码为 un​​icode 对象，并使用它从那里开始。

with open('test.txt', 'r') as f:
    myString = f.read().decode('latin-1')