python：相同的字符，不同的行为答案

【问题标题】：python :same character, different behaviorpython：相同的字符，不同的行为
【发布时间】：2015-06-25 18:09:24
【问题描述】：

我正在从使用 Python 2.7.9 的 postgres 数据库中提取的列表中生成文件名。在这个列表中有带有特殊字符的单词。通常我使用''.join() 记录名称并将其发送到我的装载机，但我只有一个想要被识别的名称。 .py 设置为 utf-8 编码，但单词是葡萄牙语，我认为是 latin-1 编码。

from pydub import AudioSegment
from pydub.playback import play
templist = ['+ Orégano','- Búfala','+ Rúcola']
count_ins = (len(templist)-1)
while (count_ins >= 0 ):
    kot_istructions = AudioSegment.from_ogg('/home/effe/voice_orders/Voz/'+"".join(templist[count_ins])+'.ogg')
    count_ins-=1
    play(kot_istructions)

前两个文件被加载：

/home/effe/voice_orders/Voz/+ Orégano.ogg

/home/effe/voice_orders/Voz/- Búfala.ogg

第三个应该是：

/home/effe/voice_orders/Voz/+ Rúcola.ogg

但是python正在尝试加载

/home/effe/voice_orders/Voz/+ R\xc3\xbacola.ogg

为什么只有这个？我尝试使用normalize() 删除重音，但由于这是一个字符串，因此该方法不起作用。打印效果很好，因为数据库更新。只是文件名创建不能按预期工作。建议？

【问题讨论】：

Unicode 字符串在 Python 2 中需要“u”前缀：[u'+ Orégano', u'- Búfala', u'+ Rúcola']。
请务必使用迭代而不是手动计算索引。一个简单的for word in templist 就足够了。然后，摆脱 join-call，它只是偶然在这里工作，因为你只有一个参数是一个字符串 - 它并没有真正按照你的想法做。字符串表示看起来像正确的 utf-8 编码，问题是：您的文件系统的编码是 utf-8 吗？
你考虑过使用 python 3 吗？ Unicode 处理已重做。
@dlask ：我无法编辑列表，因为它是实时生成的，并用于程序的各个部分。 @deets：有时我需要“即时”编辑索引计数，比for/in 循环编辑更快。我的文件系统（作为我的数据库）设置为 LANG=pt_BR.UTF-8 。 @A.L.Flanagan：我不能。我在 Odoo 中使用 python，我需要 Python 2.7。
不要在问题中加入答案（“已解决”之后的句子）。 Post it as your own answer instead

标签： python string unicode decode encode

【解决方案1】：

看起来根本原因可能是这些名称的编码在您的数据库中不一致。

如果你运行：

>>> 'R\xc3\xbacola'.decode('utf-8')

你得到

u'R\xfacola'

这实际上是一个 Python unicode，正确地表示了名称。那你该怎么办？虽然这是一种非常不干净的编程风格，但您可以玩.encode()/.decode() whackamole，您可以在其中try 使用utf-8 解码来自您的数据库的原始字符串，如果失败，latin-1。它看起来像这样：

try:
    clean_unicode = dirty_string.decode('utf-8')
except UnicodeDecodeError:
    clean_unicode = dirty_string.decode('latin-1')

作为一般规则，始终在您自己的源代码中使用干净的 unicode 对象，并且仅在保存时转换为编码。另外，不要让人们在没有指定编码的情况下将数据插入数据库，因为这会从一开始就阻止你遇到这个问题。

希望有帮助！

【讨论】：

使用.encode()/.decode() 我得到相同的错误，但使用不同的编码：IOError: [Errno 2] No such file or directory: u'/home/effe/voice_orders/Voz/+ R\xfacola.ogg' 意味着您的转换确实有效，但不是我需要的结果。同样，为什么在这个位置只使用ú 而不是在其他情况下？
如果您正在寻找一个已经存在的文件，它的名称中的实际编码是什么？你能浏览到它，看看它的名字是什么吗？尝试运行 os.listdir('/home/effe/voice_orders/Voz/') 并查看它在您的系统中是如何表示的。
os.listdir 没有报告任何不妥之处。无论如何这是文件有问题。删除文件并创建一个新文件可以解决问题。请不要问我为什么。感谢您指出这一点，在您的回复中 +1，因为即使不是这种情况，您的方法也让我了解了编码/解码的工作原理。

【解决方案2】：

已解决：文件有问题。删除并重新构建它就可以了。

【讨论】：