从 Python 2 移植到 Python 3：“utf-8 编解码器无法解码字节”

Question

嘿，我试图将那个小片段从 2 移植到 Python 3。

Python 2:

def _download_database(self, url):
  try:
    with closing(urllib.urlopen(url)) as u:
      return StringIO(u.read())
  except IOError:
    self.__show_exception(sys.exc_info())
  return None

Python 3:

def _download_database(self, url):
  try:
    with closing(urllib.request.urlopen(url)) as u:
      response = u.read().decode('utf-8')
      return StringIO(response)
  except IOError:
    self.__show_exception(sys.exc_info())
  return None

但我还是得到了

utf-8 codec can't decode byte 0x8f in position 12: invalid start byte

我需要使用 StringIO，因为它是一个 zip 文件，我想用那个函数解析它：

   def _parse_zip(self, raw_zip):
  try:
     zip = zipfile.ZipFile(raw_zip)

     filelist = map(lambda x: x.filename, zip.filelist)
     db_file  = 'IpToCountry.csv' if 'IpToCountry.csv' in filelist else filelist[0]

     with closing(StringIO(zip.read(db_file))) as raw_database:
        return_val = self.___parse_database(raw_database)

     if return_val:
        self._load_data()

  except:
     self.__show_exception(sys.exc_info())
     return_val = False

  return return_val

raw_zip 是 download_database func

的 return

Answer 1

如果您只对从函数返回流处理程序感兴趣（而不是要求解码内容），您可以使用 BytesIO 而不是 StringIO:

from contextlib import closing
from io import BytesIO
from urllib.request import urlopen

url = 'http://www.google.com'


with closing(urlopen(url)) as u:
    response = u.read()
    print(BytesIO(response))

Answer 2

您发布的 link，http://software77.net/geo-ip?DL=2 正在尝试下载 zip 二进制文件。

您不应将二进制 blob 转换为 str（只需使用 BytesIO）
如果您确实有充分的理由这样做，请使用 latin-1 作为解码器。

Answer 3

utf-8 无法解码任意二进制数据。

utf-8 是一种字符编码，可用于将文本（例如，在 Python 3 中表示为 str 类型——Unicode 代码点序列）编码为 bytestring (bytes type -- 字节序列（[0, 255] 区间内的小整数）并将其解码回来。

utf-8 不是唯一的字符编码。存在与 utf-8 不兼容的字符编码。即使 .decode('utf-8') 没有引发异常；这并不意味着结果是正确的——你可能会得到 mojibake if you use a wrong character encoding to decode text. See .

您输入的是一个 zip 文件 -- 二进制数据不是文本，因此您不应尝试将其解码为文本。

Python 3 帮助您查找与混合二进制数据和文本相关的错误。 要将代码从 Python 2 移植到 Python 3，您应该了解文本 (Unicode) 与二进制数据 (字节) 的区别。

str on Python 2 是可用于二进制数据和（编码）文本的字节串。除非 from __future__ import unicode_literals 存在； '' 文字在 Python 2 中创建字节串。 u'' 创建 unicode 实例。在 Python 3 str 类型是 Unicode。 bytes 指的是 Python 3 和 Python 2.7 上的字节序列（bytes 是 Python 2 上 str 的别名）。 b'' 在 Python 2/3 上创建 bytes 个实例。

urllib.request.urlopen(url) returns 一个类似文件的对象（二进制文件），你可以按原样传递它 在某些情况下 例如，to decode remote gzipped content on-the-fly:

#!/usr/bin/env python3
import xml.etree.ElementTree as etree
from gzip import GzipFile
from urllib.request import urlopen, Request

with urlopen(Request("http://smarkets.s3.amazonaws.com/oddsfeed.xml",
                     headers={"Accept-Encoding": "gzip"})) as response, \
     GzipFile(fileobj=response) as xml_file:
    for elem in getelements(xml_file, 'interesting_tag'):
        process(elem)

ZipFile() 需要 seek()-able 文件，因此您不能直接传递 urlopen()。您必须先下载内容。您可以使用 io.BytesIO() 来包装它：

#!/usr/bin/env python3
import io
import zipfile
from urllib.request import urlopen

url = "http://www.pythonchallenge.com/pc/def/channel.zip"
with urlopen(url) as r, zipfile.ZipFile(io.BytesIO(r.read())) as archive:
    print({member.filename: archive.read(member) for member in archive.infolist()})

StringIO() 是文本文件。它将 Unicode 存储在 Python 3.

从 Python 2 移植到 Python 3：“utf-8 编解码器无法解码字节”

Porting from Python 2 to Python 3: 'utf-8 codec can't decode byte'

urllib

stringio

python-3.x