WSGI 内容编码答案

【问题标题】：WSGI content encodingWSGI 内容编码
【发布时间】：2011-03-27 09:56:16
【问题描述】：

如果我执行以下 Python 3.1 程序，我只会在浏览器中看到 � 而不是正确的字符。文件本身是 UTF-8 编码的，并且与响应一起发送相同的编码。

from wsgiref.simple_server import make_server

page = "<html><body>äöü€ßÄÖÜ</body></html>"

def application(environ, start_response):
    start_response("200 Ok", [("Content-Type", "text/html; charset=UTF-8")])
    return page

httpd = make_server('', 8000, application)
print("Serving on port 8000...")
httpd.serve_forever()

“UTF-8”在响应中设置正确：

HTTP/1.0 200 Ok
Date: Mon, 09 Aug 2010 16:35:02 GMT
Server: WSGIServer/0.1 Python/3.1.1+
Content-Type: text/html; charset=UTF-8

这里有什么问题？

【问题讨论】：

标签： python http utf-8 character-encoding content-type

【解决方案1】：

那些字符不是UTF-8；他们是latin-1。如果您将这些文字放入您的 Python 源代码（您不应该这样做），您需要声明文件的编码，方法是将以下行放在顶部：

#-*- coding: latin-1 -*-

并在latin-1服务：

start_response("200 Ok", [("Content-Type", "text/html; charset=latin-1")])

假设您打算在 UTF-8 中执行所有操作，您需要查找这些字符的代码点。然后你可以做

page = u"\x--\x--...\x--"

并将其作为 Unicode 提供。

请注意，您可以通过更改浏览器的编码来验证这一点；如果您手动将其更改为latin-1，则字符将正常显示。

【讨论】：

我认为 Python >= 3 不需要 #-*- coding: ...。显示的字符原则上可以直接用 UTF-8 编写。

【解决方案2】：

Python 3 上的 WSGI 还不存在。 Web-SIG 尚未就 Python 3.x 中如何处理字符串（字节/unicode）得出任何结论。

wsgiref 很大程度上是一种自动的 2to3 转换；除了 3.x 上的 WSGI 的实际含义之外，它仍然存在问题。不要依赖它作为 WSGI 应用程序在 Python 3 下如何工作的参考。

这种情况仍然进入 3.2 发布周期真是令人尴尬和沮丧。

return page

好吧，虽然 3.x 的 WSGI 仍然是一个未知因素，但最一致的一点是 WSGI 应用程序的响应主体通常应该是字节而不是 unicode，因为 HTTP 是基于字节的协议。 Unicode 字符串是否会被接受——如果接受，它们将使用什么编码进行转换——还有待观察，因此请避免该问题并返回字节：

return [page.encode('utf-8')]

([] 是必需的，因为 WSGI 应用程序应该返回一个输出并一次刷新一个项目的迭代。如果你自己传递一个字符串，它被用作一个迭代并一次返回一个字符，这性能太差了。）

【讨论】：

感谢赐教。但是return page.encode('utf-8') 不起作用。我从 WSGI 运行时收到以下错误：AssertionError: write() argument must be a string or bytes.
是的，对不起，我后来编辑了关于[] 的内容！ [] 丢失的情况对于字节字符串来说比对于 unicode 更失败，因为在 Python 3 中，b'A'[0] 是整数 65，而不是 b'A'。 IMO，这几乎是 Python 3 犯的最严重的错误。
我不会说这是个谜。 b“A”代表一个字节而不是一个字符是有道理的。这样就几乎不可能像以前那样混淆 str 和 unicode。
我对 Python 3.5 也有同样的看法。我不知道是否有任何改变，但直到我在 return 中执行 page.encode，它才起作用。