我正在使用 chatterbot 库开发一个聊天机器人。聊天机器人使用我的母语 --> 斯洛文尼亚语,其中有很多奇怪的字符(例如:š、č、ž)。我正在使用 python 2.7。
当我尝试训练机器人时,图书馆无法处理上述字符。例如,当我运行以下代码时:
chatBot.set_trainer(ListTrainer)
chatBot.train([
"Koliko imam še dopusta?",
"Letos imate še 19 dni dopusta.",
])
它抛出以下错误:
UnicodeDecodeError: 'utf8' codec can't decode byte 0x9a in position 12: invalid start byte
我在我的文件顶部添加了 # -*- coding: utf-8 -*-
行,我还通过我的编辑器 (Sublime text 3) 更改了所有使用文件的编码为utf-8,我使用以下代码更改了系统默认编码:
import sys
reload(sys)
sys.setdefaultencoding('utf8')
字符串的类型是unicode。
当我尝试使用这些奇怪的字符 获得响应时,它可以正常工作,它们没有任何问题。例如,在与上述训练代码相同的执行中运行以下代码(当我在训练字符串中将 'š' 更改为 's' 并将 'č' 更改为 'c' 时)不会引发任何错误:
chatBot.set_trainer(ListTrainer)
chatBot.train([
"Koliko imam se dopusta?",
"Letos imate se 19 dni dopusta.",
])
chatBot.get_response("Koliko imam še dopusta?")
我找不到这个问题的解决方案。有什么建议么? 提前致谢。 :)
编辑:我使用 from __future__ import unicode_literals
生成 unicode 类型的字符串。我还使用 type(myString)
我也想贴这个link .
编辑 2:@MallikarjunaraoKosuri - 代码有效,但就我而言,我在聊天机器人实例初始化中还有一件事,如下所示:
chatBot = ChatBot(
'Test',
trainer='chatterbot.trainers.ListTrainer',
storage_adapter='chatterbot.storage.JsonFileStorageAdapter'
)
这是我错误的原因。聊天机器人创建的 json 存储文件是用我的本地编码而不是 utf-8 创建的。似乎默认存储 (.sqlite3) 没有这个问题,所以现在我将避免使用 json 存储。但我仍然有兴趣找到解决此错误的方法。
最佳答案
您示例中的字符串不是 unicode 类型。
否则 Python 不会抛出 UnicodeDecodeError
。
这种类型的错误表示在程序执行的某个步骤中,Python 尝试将字节字符串解码为 unicode,但由于某种原因失败了。
在你的情况下,原因是:
utf-8
配置
utf-8
并且几乎可以肯定是 cp1252
:
import unicodedata
b = '\x9a'
# u = b.decode('utf-8') # UnicodeDecodeError: 'utf8' codec can't decode byte 0x9a
# in position 0: invalid start byte
u = b.decode('cp1252')
print unicodedata.name(u) # LATIN SMALL LETTER S WITH CARON
print u # š
因此,cp1252
源中的 0x9a
字节不能用 utf-8
解码。
最好的解决方案是除了将源代码转换为 utf-8
之外什么都不做。
使用 Sublime Text 3,您可以通过以下方式轻松完成此操作:File -> Reopen with Encoding -> UTF-8
。
但是不要忘记在转换之前 Ctrl+C 你的源代码,因为在那之后你所有的 š, č, ž
字符将替换为 ?
。
关于python-2.7 - Unicode解码错误: 'utf8' codec can't decode byte 0x9a in position 12,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47098435/