python - 为什么 str.encode ('utf-8' ) 在我的 python 脚本中产生 UnicodeDecodeError ？

Question

运行以下代码时(仅打印出文件名):

print filename

它抛出以下错误:

File "myscript.py", line 78, in __listfilenames
print filename
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 13: ordinal not in range(128)

为了解决这个问题，我尝试将 print filename 更改为 print filename.encode('utf-8') ，但这并没有解决问题。

脚本仅在尝试读取诸如Coé.jpg之类的文件名时失败。

有什么想法可以修改文件名，以便脚本在遇到特殊字符时继续工作吗？

注意。我是一个Python菜鸟

Answer 1

filename 已编码。它已经是一个字节字符串，不需要再次编码。

但是既然你要求对其进行编码，Python 首先必须为你解码它，而且它只能使用默认的 ASCII 编码来做到这一点。隐式解码失败:

>>> 'Coé.jpg'
'Co\xc3\xa9.jpg'
>>> 'Coé.jpg'.decode('utf8')
u'Co\xe9.jpg'
>>> 'Coé.jpg'.decode('utf8').encode('utf8')
'Co\xc3\xa9.jpg'
>>> 'Coé.jpg'.encode('utf8')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 2: ordinal not in range(128)

如果您想要编码的字节串，则根本不必进行任何编码。删除 .encode('utf8')。

您可能需要阅读有关 Python 和 Unicode 的内容。我推荐:

• The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)作者:乔尔·斯波尔斯基

• Pragmatic Unicode作者:内德·巴切尔德

• Python Unicode HOWTO

经验法则是:尽可能早地解码，尽可能晚地编码。这意味着当您接收数据时，解码为 Unicode 对象，当您需要将该信息传递给其他东西时，才进行编码。许多 API 可以将解码和编码作为其工作的一部分；例如，print 将编码为终端使用的编解码器。