Python 特殊字符编码

Question

我有一个 python 脚本，它读取 CSV 文件并写入 XML 文件。我一直在尝试找出如何阅读特殊字符，例如：ç、á、é、í 等。脚本运行得非常好，没有特殊字符。那是脚本头：

# coding=utf-8

'''
@modified by: Julierme Pinheiro
'''
import os
import sys
import unittest
from unittest import skip
import csv
import uuid
import xml
import xml.dom.minidom as minidom
import owslib
from owslib.iso import *
import pyproj
from decimal import *
import logging

我从 csv 文件中检索信息的方式如下所示：

# add the title
                title = data[1]
                titleElement = identificationInfo[0].getElementsByTagName('gmd:title')[0]
                titleNode = record.createTextNode(title)
                titleElement.childNodes[1].appendChild(titleNode)
                print "Title:" + title

注意：如果 csv 文件中的第二列 data[1] 包含在“Navegação”中找到的特殊字符，则脚本将失败（它不会在xml 文件）。

基于空白模板 XML 创建新 XML 文件的方式如下所示：

 # write out the gemini record
                filename = '../output/%s.xml' % fileId
                with open(filename,'w') as test_xml:
                    test_xml.write(record.toprettyxml(newl="", encoding="utf-8"))
            except:
                e = sys.exc_info()[1]
                logging.debug("Import failed for entry %s" % data[0])
                logging.debug("Specific error: %s" % e)

    @skip('')
    def testOWSMetadataImport(self):
        raw_data = []
        with open('../input/metadata_cartapapel.csv') as csvfile:
            reader = csv.reader(csvfile, dialect='excel')
            for columns in reader:
                raw_data.append(columns)   

        md = MD_Metadata(etree.parse('gemini-template.xml'))
        md.identification.topiccategory = ['farming','environment']
        print md.identification.topiccategory
        outfile = open('mdtest.xml','w')
        # crap, can't update the model and write back out - this is badly needed!!
        outfile.write(md.xml) 


if __name__ == "__main__":
    unittest.main()

有人可以帮忙解决这个问题吗？

提前感谢您的宝贵时间。

Answer 1

那是 unicode。如果您使用的是 python 2.7，则 csv 无法读取 unicode。在 python 3.x 中，您可以在打开文件时传递 utf-8 选项。

在 python 中，您可以将数据 [1] 解码为 utf-8，如下所示。

title = data[1].decode('utf-8')

某些英文版 Windows 旧版 Windows 组件可能需要“cp1252”。如果上面的解码失败，试试这个。

title = data[1].decode('cp1252')