python - Python 中波兰语字符的 Unicode 编码

Question

我的波兰艺术家名字如下:

Żółte słonie

在我的数据集(json 文件)中，它已编码为:

\u017b\u00f3\u0142te S\u0142onie

我正在读取 json 并进行一些预处理并将输出写入文本文件。我收到以下错误:

UnicodeEncodeError: 'charmap' codec can't encode character u'\u017b' in position 0: character maps to <undefined>

我在线查找了波兰语字符的 Unicode 编码，该编码对我来说看起来不错。由于我以前从未使用过拉丁语以外的任何语言，因此我想向 SO 社区确认这一点。如果编码是正确的，那么为什么Python不处理它？<​​/p>

谢谢， TM

Answer 1

我用Python 2.7做了简单的测试，似乎json将对象类型从str更改为unicode。因此，在将其写入文本文件之前，您必须对此类字符串进行encode()。

#!/usr/bin/env python
# -*- coding: utf8 -*-

import json

s = 'Żółte słonie'
print(type(s))
print(repr(s))
sd = json.dumps(s)
print(repr(sd))
s2 = json.loads(sd)
print(type(s2))
print(repr(s2))

f = open('out.txt', 'w')
try:
    f.write(s2)
except UnicodeEncodeError:
    print('UnicodeEncodeError, encoding data...')
    f.write(s2.encode('UTF8'))
    print('data encoded and saved')
f.close()