python - Unicode编码错误: 'charmap' codec can't encode character '\ufeff' in position 0: character maps to <undefined>

Question

我正在开发一个使用utf-8编码的应用程序。出于调试目的，我需要打印文本。如果我直接将 print() 与包含我的 unicode 字符串的变量一起使用，例如 print(pred_str)。

我收到此错误:

UnicodeEncodeError: 'charmap' codec can't encode character '\ufeff' in position 0: character maps to

所以我尝试了 print(pred_str.encode('utf-8')) ，我的输出如下所示:

b'\xef\xbb\xbfpudgala-dharma-nair\xc4\x81tmyayo\xe1\xb8\xa5 apratipanna-vipratipann\xc4\x81n\xc4\x81m' b'avipar\xc4\xabta-pudgala-dharma-nair\xc4\x81tmya-pratip\xc4\x81dana-artham' b'tri\xe1\xb9\x83\xc5\x9bik\xc4\x81-vij\xc3\xb1apti-prakara\xe1\xb9\x87a-\xc4\x81rambha\xe1\xb8\xa5' b'pudgala-dharma-nair\xc4\x81tmya-pratip\xc4\x81danam punar kle\xc5\x9ba-j\xc3\xb1eya-\xc4\x81vara\xe1\xb9\x87a-prah\xc4\x81\xe1\xb9\x87a-artham'

但是，我希望我的输出如下所示:

pudgala-dharma-nairātmyayoḥ apratipanna-vipratipannām 梵行无明菩提伽罗法 Triṃśika-vijñapti-prakaraṇa-arambhaḥ pudgala-dharma-nairātmya-pratipādanam punar kleśa-jñeya-āvaraṇa-prahāṇa-artham

如果我使用以下方式将字符串保存在文件中:

with codecs.open('out.txt', 'w', 'UTF-8') as f:
    f.write(pred_str)

它按预期保存字符串。

Answer 1

您的数据使用“UTF-8-SIG”编解码器进行编码，该编解码器有时在 Microsoft 环境中使用。

UTF-8 的这种变体在编码文本前加上 byte order mark 前缀。 '\xef\xbb\xbf'，使应用程序更容易检测 UTF-8 编码文本与其他编码。

您可以像这样解码此类字节串:

>>> bs = b'\xef\xbb\xbfpudgala-dharma-nair\xc4\x81tmyayo\xe1\xb8\xa5 apratipanna-vipratipann\xc4\x81n\xc4\x81m'
>>> text = bs.decode('utf-8-sig')
>>> print(text)                                                                                                         
pudgala-dharma-nairātmyayoḥ apratipanna-vipratipannānām 

要从文件中读取此类数据:

with open('myfile.txt', 'r', encoding='utf-8-sig') as f:
    text = f.read()

请注意，即使从 UTF-8-SIG 解码后，您可能仍然无法打印数据，因为您的控制台的默认代码页可能无法对数据中的其他非 ascii 字符进行编码。在这种情况下，您将需要 adjust your console settings支持UTF-8。