python :相同的性格，不同的行为

Question

我正在从使用 Python 2.7.9 从 postgres 数据库中提取的列表生成文件名。在此列表中有带有特殊字符的单词。通常我使用 ''.join() 来记录名称并将其发送到我的加载器，但我只有一个名称需要被识别。 .py 设置为 utf-8 编码，但单词是葡萄牙语，我认为是 latin-1 编码。

from pydub import AudioSegment
from pydub.playback import play
templist = ['+ Orégano','- Búfala','+ Rúcola']
count_ins = (len(templist)-1)
while (count_ins >= 0 ):
    kot_istructions = AudioSegment.from_ogg('/home/effe/voice_orders/Voz/'+"".join(templist[count_ins])+'.ogg')
    count_ins-=1
    play(kot_istructions)

已加载前两个文件：

/home/effe/voice_orders/Voz/+ Orégano.ogg

/home/effe/voice_orders/Voz/- Búfala.ogg

第三个应该是：

/home/effe/voice_orders/Voz/+ Rúcola.ogg

但是 python 正在尝试加载

/home/effe/voice_orders/Voz/+ R\xc3\xbacola.ogg

为什么只有这个？我尝试使用 normalize() 删除重音，但由于这是一个字符串，该方法不起作用。打印效果很好，作为数据库更新。只是文件名创建不能按预期工作。建议？

Answer 1

看来根本原因可能是这些名称的编码在您的数据库中不一致。

如果你运行:

>>> 'R\xc3\xbacola'.decode('utf-8')

你得到

u'R\xfacola'

这实际上是一个 Python unicode，正确地代表了名字。那你该怎么办？虽然这是一种非常不干净的编程风格，但您可以玩 .encode()/.decode() whackamole，您 try 使用 utf-8 从您的数据库中解码原始字符串，如果失败， latin-1。它看起来像这样：

try:
    clean_unicode = dirty_string.decode('utf-8')
except UnicodeDecodeError:
    clean_unicode = dirty_string.decode('latin-1')

作为一般规则，始终在您自己的源代码中使用干净的 unicode 对象，并且仅在保存时转换为编码。另外，不要让人们在没有指定编码的情况下将数据插入数据库，因为这首先会阻止你遇到这个问题。

希望对您有所帮助！

Answer 2

已解决：文件有问题。删除并重新构建它就可以了。

python :相同的性格，不同的行为

python :same character, different behavior

python

string

unicode

decode

encode