UnicodeEncodeError: кодек ascii не может кодировать символ u '\ xef' в позиции 0: порядковый номер не в диапазоне (128)

Я хочу проанализировать свой XML-документ. Поэтому я сохранил свой XML-документ ниже

class XMLdocs(db.Expando):  
   id = db.IntegerProperty()    
   name=db.StringProperty()  
   content=db.BlobProperty()

Теперь мой ниже мой код

parser = make_parser()     
curHandler = BasketBallHandler()  
parser.setContentHandler(curHandler)  
for q in XMLdocs.all():  
        parser.parse(StringIO.StringIO(q.content))

Я становлюсь ниже ошибки

'ascii' codec can't encode character u'\xef' in position 0: ordinal not in range(128)
Traceback (most recent call last):  
  File "/base/python_runtime/python_lib/versions/1/google/appengine/ext/webapp/__init__.py", line 517, in __call__
    handler.post(*groups)   
  File "/base/data/home/apps/parsepython/1.348669006354245654/mapreduce/base_handler.py", line 59, in post
    self.handle()   
  File "/base/data/home/apps/parsepython/1.348669006354245654/mapreduce/handlers.py", line 168, in handle
    scan_aborted = not self.process_entity(entity, ctx)   
  File "/base/data/home/apps/parsepython/1.348669006354245654/mapreduce/handlers.py", line 233, in process_entity
    handler(entity)   
  File "/base/data/home/apps/parsepython/1.348669006354245654/parseXML.py", line 71, in process
    parser.parse(StringIO.StringIO(q.content))   
  File "/base/python_runtime/python_dist/lib/python2.5/xml/sax/expatreader.py", line 107, in parse
    xmlreader.IncrementalParser.parse(self, source)   
  File "/base/python_runtime/python_dist/lib/python2.5/xml/sax/xmlreader.py", line 123, in parse
    self.feed(buffer)  
  File "/base/python_runtime/python_dist/lib/python2.5/xml/sax/expatreader.py", line 207, in feed
    self._parser.Parse(data, isFinal)   
  File "/base/data/home/apps/parsepython/1.348669006354245654/parseXML.py", line 136, in characters   
    print ch   
UnicodeEncodeError: 'ascii' codec can't encode character u'\xef' in position 0: ordinal not in range(128)

ОТВЕТЫ

Ответ 1

Кажется, вы попадаете в символ байта UTF-8 (BOM). Попробуйте использовать эту строку unicode с извлеченной спецификацией:

import codecs

content = unicode(q.content.strip(codecs.BOM_UTF8), 'utf-8')
parser.parse(StringIO.StringIO(content))

Я использовал strip вместо lstrip, потому что в вашем случае у вас было несколько вхождений спецификации, возможно из-за конкатенированного содержимого файла.

Ответ 2

Фактический лучший ответ для этой проблемы зависит от вашей среды, в частности от того, какую кодировку ожидает ваш терминал.

Самое быстрое однострочное решение - это кодировать все, что вы печатаете, в ASCII, который ваш терминал почти наверняка принимает, при отбрасывании символов, которые вы не можете распечатать:

print ch #fails
print ch.encode('ascii', 'ignore')

Лучшее решение - изменить кодировку терминала на utf-8 и кодировать все как utf-8 перед печатью. Вы должны привыкнуть думать о кодировке Unicode КАЖДЫЙ раз, когда вы печатаете или читаете строку.

Ответ 3

Просто размещение .encode('utf-8') в конце объекта будет выполнять задание в последних версиях Python.

Ответ 4

Это сработало для меня:

from django.utils.encoding import smart_str
content = smart_str(content)

Ответ 5

Проблема в соответствии с вашей трассировкой - это оператор print в строке 136 parseXML.py. К сожалению, вы не посчитали нужным опубликовать эту часть своего кода, но я собираюсь угадать, что это просто для отладки. Если вы измените его на:

print repr(ch)

то вы должны хотя бы увидеть, что вы пытаетесь напечатать.

Ответ 6

Проблема заключается в том, что вы пытаетесь напечатать символ юникода на возможно не-unicode-терминале. Вам необходимо закодировать его с помощью параметра 'replace перед его печатью, например. print ch.encode(sys.stdout.encoding, 'replace').

Ответ 7

Простым решением этой проблемы является установка кодировки по умолчанию для utf8. Следуйте примеру

import sys

reload(sys)
sys.setdefaultencoding('utf8')