我正在尝试使用Python在StringIO对象中写入数据,然后最终使用psycopg2的copy_from()函数将此数据加载到postgres数据库中 .
首先,当我这样做时,copy_from()抛出一个错误:ERROR:编码的无效字节序列"UTF8":0xc92所以我跟着this question .
我发现我的Postgres数据库有UTF8编码 .
我正在编写数据的文件/ StringIO对象显示其编码如下:setgid非ISO扩展ASCII英文文本,带有很长的行,带有CRLF行终止符
我试图将我写入中间文件/ StringIO对象的每个字符串编码为UTF8格式 . 要做到这一点,每个字符串使用.encode(encoding ='UTF-8',errors ='strict')) .
这是我现在得到的错误:UnicodeDecodeError:'ascii'编解码器无法解码位置47的字节0x92:序号不在范围内(128)
这是什么意思?我如何解决它?
编辑:我正在使用Python 2.7我的一些代码:
我从MySQL数据库中读取了根据MySQL Workbench以UTF-8编码的数据 . 这是用于将我的数据(从MySQL db获得)写入StringIO对象的几行代码:
# Populate the table_data variable with rows delimited by \n and columns delimited by \t
row_num=0
for row in cursor.fetchall() :
# Separate rows in a table by new line delimiter
if(row_num!=0):
table_data.write("\n")
col_num=0
for cell in row:
# Separate cells in a row by tab delimiter
if(col_num!=0):
table_data.write("\t")
table_data.write(cell.encode(encoding='UTF-8',errors='strict'))
col_num = col_num+1
row_num = row_num+1
这是从我的StringIO对象table_data写入Postgres数据库的代码:
cursor = db_connection.cursor()
cursor.copy_from(table_data, <postgres_table_name>)
1 回答
问题是你在一个
str
对象上调用encode
.str
是一个字节字符串,通常表示以某种方式编码的文本,如UTF-8 . 当您在其上调用encode
时,首先必须将其解码回文本,以便可以重新编码文本 . 默认情况下,Python通过调用s.decode(sys.getgetdefaultencoding())
来执行此操作,而getdefaultencoding()
通常返回'ascii'
.所以,你说的是UTF-8编码的文本,将其解码为ASCII,然后以UTF-8重新编码 .
一般的解决方案是使用正确的编码显式调用
decode
,而不是让Python使用默认值,然后encode
结果 .但是当正确的编码已经是你想要的那个时,更简单的解决方案就是跳过
.decode('utf-8').encode('utf-8')
并使用UTF-8str
作为它已经存在的UTF-8str
.或者,如果您的MySQL包装器具有允许您指定编码并返回
CHAR
/VARCHAR
/TEXT
列而不是str
值的unicode
值的功能(例如,在MySQLdb中,您将use_unicode=True
传递给connect
调用,或charset='UTF-8'
如果你的数据库太旧了,无法自动检测它,就这样做 . 然后你将拥有unicode
个对象,你可以在它们上面调用.encode('utf-8')
.一般来说,处理Unicode问题的最佳方法是最后一个 - 尽可能早地解码所有内容,以Unicode进行所有处理,然后尽可能晚地进行编码 . 但不管怎样,你必须保持一致 . 不要在可能是
unicode
的事情上调用str
;不要将str
literal连接到unicode
或将其传递给replace
方法;每当你混合搭配时,Python就会使用你的默认编码为你隐式转换,这几乎不是你想要的 .作为旁注,这是Python 3.x的Unicode更改帮助的许多内容之一 . 首先,
str
现在是Unicode文本,而不是编码字节 . 更重要的是,如果你有编码字节,例如在bytes
对象中,调用encode
会给你一个AttributeError
而不是试图静默解码,所以它可以重新编码 . 而且,类似地,尝试混合和匹配Unicode和字节将给你一个明显的TypeError
,而不是在某些情况下成功的隐式转换,并提供关于你没有在其他情况下要求的编码或解码的神秘消息 .