mutagen 和 id3 标签 - 字符编码混淆

Question

我在读取一些带有冰岛字母的 id3 标签时遇到了问题。
一个来自 shell 的简单示例。

>>> audio = mutagen.easyid3.EasyID3('./Björk/Albums/1990 - Gling-Gló [mp3-231]/01 - Gling-Gló.mp3')
>>> audio['title']
5: [u'Gling-Gl\xf3']

首先，我不确定如何检查标签的字符编码。根据我收集到的信息，这是使用诱变剂的方法：

>>> audio = mutagen.id3.ID3('./Björk/Albums/1990 - Gling-Gló [mp3-231]/01 - Gling-Gló.mp3')
>>> for key, value in audio.items():
...     print value.encoding

这将为每个项目输出“0”。

我在某处看到对于 id3 标签，数字 0 表示字符串是 iso-8859-1 编码的，但我不知道从那里去哪里。我猜这不对吧？

>>> audio.get('artist')[0].decode('iso-8859-1')
14: u'Bj\xc3\xb6rk'

正如您所说，我在字符编码问题上非常困惑。
我想要的只是将标签捕获为正确的 utf-8 字符串，以便我可以将它们放入我的数据库中。 这只是一个例子，我想我可能会遇到其他一些编码完全不同的文件，所以我正在寻找一个好的全方位解决方案。不过，只要解决这个问题真的会帮助我走上正轨。

提前致谢。

Answer 1

欢迎来到有趣的编码世界。

在这一步中：

>>> audio = mutagen.easyid3.EasyID3('./Björk/Albums/1990 - Gling-Gló [mp3-231]/01 - Gling-Gló.mp3')
>>> audio['title']
[u'Gling-Gl\xf3']

...你最终得到一个 unicode 字节字符串。在第二行中，Python 打印出这个字节字符串的 ASCII 表示，这就是为什么你会看到十六进制值。您需要让 Python 获取该字节字符串并使用一种可用的字符编码对其进行 encode。这对我来说也是一个困惑的根源。请记住，您将字符解码为十六进制值，然后将十六进制值编码为字符。

所以，如果你这样做：

In [1]: s = u'./Björk/Albums/1990 - Gling-Gló [mp3-231]/01 - Gling-Gló.mp3'

In [2]: s
Out[2]: u'./Bj\xf6rk/Albums/1990 - Gling-Gl\xf3 [mp3-231]/01 - Gling-Gl\xf3.mp3'

In [3]: s.encode('UTF-8')
Out[3]: './Bj\xc3\xb6rk/Albums/1990 - Gling-Gl\xc3\xb3 [mp3-231]/01 - Gling-Gl\xc3\xb3.mp3'

嗯，这很烦人。你告诉它以 UTF-8 编码，但你仍然得到 ASCII。诀窍是在 Python 中进行这样的调用只会输出输入的 ASCII 表示。如果您将其更改为：

In [4]: print s.encode('UTF-8')
./Björk/Albums/1990 - Gling-Gló [mp3-231]/01 - Gling-Gló.mp3

...你看到了正确的结果。因此，一旦您对新编码的文本进行了实际操作，您就会看到它以您想要的方式表示。将其打印到控制台、将其写入文件或在 GUI 小部件中显示应该看起来不错。

Answer 2

if len(Genre)>0:
    MyGenre = u' '
    MyGenre = Genre
    audio.add(TCON(encoding=3, text=MyGenre))
audio.save()

这对我有用