Python：从 EXIF 中提取西里尔文字符串

Question

我是 Python 的一个完整的初学者，并且想开始学习它。也就是说，我很想更正我拥有的一大堆家庭照片中的一些 EXIF 信息。首先，我想正确地从 JPEG 文件中获取这些信息。

其中一些有一个用 EXIF 写的标题。它可以得到例如由

import pyexiv2
metadata = pyexiv2.ImageMetadata(filename)
metadata.read()
title = metadata['Exif.Image.XPTitle'] 

到目前为止，我已经做到了。现在问题来了。一些标题包含西里尔字母。如果我这样做 print title.human_value 我会得到例如

`Милой Мамуле от Майи, 11 ÑÐ½Ð²Ð°Ñ€Ñ 1944.`

print title 是

<Exif.Image.XPTitle [Byte] = 28 4 56 4 59 4 62 4 57 4 32 0 28 4 48 4 60 4 67 4 59 4 53 4 32 0 62 4 66 4 32 0 28 4 48 4 57 4 56 4 44 0 32 0 49 0 49 0 32 0 79 4 61 4 50 4 48 4 64 4 79 4 32 0 49 0 57 0 52 0 52 0 46 0 0 0>

我希望看到的实际字符串是

Милой Мамуле от Майи, 11 января 1944.

这似乎是一个 unicode 问题，但是在尝试了在这里和其他地方找到的十几种不同的方法之后，我无法应对它。是否可以在控制台中看到俄语字母？我在 Windows 7（英文）上使用 python(xy)，所以我的 IDE 是 spyder2。只是默认安装，我在其中添加了 pyexiv2。蒂亚！

Answer 1

字节为 UTF-16。

在 Python 3 中：

>>> b = [28, 4, 56, 4, 59, 4, 62, 4, 57, 4, 32, 0, 28, 4, 48, 4, 60, 4, 67, 4, 59, 4, 53, 4, 32, 0, 62, 4, 66, 4, 32, 0, 28, 4, 48, 4, 57, 4, 56, 4, 44, 0, 32, 0, 49, 0, 49, 0, 32, 0, 79, 4, 61, 4, 50, 4, 48, 4, 64, 4, 79, 4, 32, 0, 49, 0, 57, 0, 52, 0, 52, 0, 46, 0, 0, 0]
>>> bytes(b).decode("utf-16")
'Милой Мамуле от Майи, 11 января 1944.\x00'

在 Python 2 中：

>>> b = [28, 4, 56, 4, 59, 4, 62, 4, 57, 4, 32, 0, 28, 4, 48, 4, 60, 4, 67, 4, 59, 4, 53, 4, 32, 0, 62, 4, 66, 4, 32, 0, 28, 4, 48, 4, 57, 4, 56, 4, 44, 0, 32, 0, 49, 0, 49, 0, 32, 0, 79, 4, 61, 4, 50, 4, 48, 4, 64, 4, 79, 4, 32, 0, 49, 0, 57, 0, 52, 0, 52, 0, 46, 0, 0, 0]
>>> "".join(chr(c) for c in b).decode("utf-16")
u'\u041c\u0438\u043b\u043e\u0439 \u041c\u0430\u043c\u0443\u043b\u0435 \u043e\u04
42 \u041c\u0430\u0439\u0438, 11 \u044f\u043d\u0432\u0430\u0440\u044f 1944.\x00'

Answer 2

我认为 title.human_value 数据采用 UTF-8 格式，已经从标题的原始 UTF-16 字节解码。

在 python shell 中，在 OSX 的终端窗口中运行：

>>> # this should be the same as your title.human_value:
>>> print ''.join( chr(x) for x in [208, 156, 208, 184, 208, 
              187, 208, 190, 208, 185, 32, 208, 156, 208, 
              176, 208, 188, 209, 131, 208, 187, 208, 181, 
              32, 208, 190, 209, 130, 32, 208, 156, 208, 
              176, 208, 185, 208, 184, 44, 32, 49, 49, 32, 
              209, 143, 208, 189, 208, 178, 208, 176, 209, 
              128, 209, 143, 32, 49, 57, 52, 52, 46])

Милой Мамуле от Майи, 11 января 1944.

您的控制台可能不支持西里尔字符。您可以尝试将命令提示符中的字体设置为“Lucida Console”——与 cmd 默认使用的历史位图字体相比，更现代的矢量字体更有可能正确支持它。