Python 2.7 UnicodeDecodeError:&x27;utf8';编解码器可以';t解码位置12的字节0x9a
我正在用chatterbot库开发一个聊天机器人。聊天机器人是我的母语-->斯洛文尼亚语,它有很多奇怪的字符(例如:š,č,ž)。我正在使用python 2.7 当我尝试训练机器人时,图书馆遇到了上述角色的问题。例如,当我运行以下代码时:Python 2.7 UnicodeDecodeError:&x27;utf8';编解码器可以';t解码位置12的字节0x9a,python-2.7,encoding,utf-8,chatterbot,Python 2.7,Encoding,Utf 8,Chatterbot,我正在用chatterbot库开发一个聊天机器人。聊天机器人是我的母语-->斯洛文尼亚语,它有很多奇怪的字符(例如:š,č,ž)。我正在使用python 2.7 当我尝试训练机器人时,图书馆遇到了上述角色的问题。例如,当我运行以下代码时: chatBot.set_trainer(ListTrainer) chatBot.train([ "Koliko imam še dopusta?", "Letos imate še 19 dni dopusta
chatBot.set_trainer(ListTrainer)
chatBot.train([
"Koliko imam še dopusta?",
"Letos imate še 19 dni dopusta.",
])
import sys
reload(sys)
sys.setdefaultencoding('utf8')
它抛出以下错误:
UnicodeDecodeError:“utf8”编解码器无法解码位置12处的字节0x9a:无效的开始字节
我在文件顶部添加了#-*-编码:utf-8-*-
行,我还通过编辑器(升华文本3)将所有使用过的文件的编码更改为utf-8,我用以下代码更改了系统默认编码:
chatBot.set_trainer(ListTrainer)
chatBot.train([
"Koliko imam še dopusta?",
"Letos imate še 19 dni dopusta.",
])
import sys
reload(sys)
sys.setdefaultencoding('utf8')
字符串的类型为unicode
当我试图得到一个回应,这些奇怪的角色,它的工作,它与他们没有任何问题。例如,在与上述训练代码相同的执行中运行以下代码(当我在训练字符串中将“š”更改为“s”并将“č”更改为“c”时),不会抛出错误:
chatBot.set_trainer(ListTrainer)
chatBot.train([
"Koliko imam se dopusta?",
"Letos imate se 19 dni dopusta.",
])
chatBot.get_response("Koliko imam še dopusta?")
我找不到解决这个问题的办法。有什么建议吗?
提前感谢。:)
编辑:我使用来自uuu future uuuu导入unicode文本的来生成unicode类型的字符串。我还使用type(myString)
我也想贴这个
编辑2:@MallikarjunaraoKosuri-s代码可以工作,但在我的例子中,我在chatbot实例初始化中还有一件事,如下所示:
chatBot = ChatBot(
'Test',
trainer='chatterbot.trainers.ListTrainer',
storage_adapter='chatterbot.storage.JsonFileStorageAdapter'
)
这就是我犯错误的原因。聊天机器人创建的json存储文件是以我的本地编码而不是utf-8创建的。默认存储(.sqlite3)似乎没有这个问题,所以现在我将避免使用json存储。但是我仍然有兴趣找到这个错误的解决方案。您示例中的字符串不是unicode类型
否则Python不会抛出UnicodeDecodeError
这种类型的错误表示,在程序执行的特定步骤中,Python试图将字节字符串解码为unicode,但由于某些原因失败 就您而言,原因是:
utf-8
utf-8
中,而且几乎肯定在cp1252
中:
import unicodedata
b = '\x9a'
# u = b.decode('utf-8') # UnicodeDecodeError: 'utf8' codec can't decode byte 0x9a
# in position 0: invalid start byte
u = b.decode('cp1252')
print unicodedata.name(u) # LATIN SMALL LETTER S WITH CARON
print u # š
因此,您的cp1252
源中的0x9a
字节不能用utf-8
解码
最好的解决方案是除了将源代码转换为utf-8之外什么都不做
使用Sublime Text 3,您可以通过以下方式轻松完成此操作:文件->使用编码重新打开->UTF-8
但是在转换之前不要忘记Ctrl+C您的源代码,因为在转换之后,您所有的š,č,ž
字符都将被?
替换,我们的一些朋友已经建议了好的部分解决方案,不过我还是希望将所有的解决方案合并为一个
作者@gunthercox建议在这里介绍一些指导原则
Python终端
>>> # -*- coding: utf-8 -*-
... from chatterbot import ChatBot
>>>
>>> # Create a new chat bot named Test
... chatBot = ChatBot(
... 'Test',
... trainer='chatterbot.trainers.ListTrainer'
... )
>>>
>>> chatBot.train([
... "Koliko imam še dopusta?",
... "Letos imate še 19 dni dopusta.",
... ])
List Trainer: [####################] 100%
>>>
您说strin是unicode类型的:您使用的是来自未来的导入unicode文本的?另外,哪一行引起解码错误?因为如果字符串是unicode,则不应对其进行解码(它们都已解码),因此也不应存在任何解码错误。不要更改默认编码setdefaultencoding
由于某种原因被禁用(库希望默认值为ascii
)。#coding
声明源文件的编码。确保您确实以声明的编码保存了源文件。@lenz是的,我使用的是来自未来的导入unicode文本的。解码错误在列(“Koliko imamše dopusta?”,“Letos imateše 19 dni dopusta.”)中出现。
方法。@MarkTolonen,好的,注意,我将从代码中删除该错误。我在另一个stackoverflow中看到了类似问题的答案,并在该线程中标记为正确。我认为它被保存为utf-8,我在sublime中做了这件事,下面的答案是这样的。这就是我所说的“我还通过我的编辑器(升华文本3)将所有使用过的文件的编码更改为utf-8”。但是,我怎么知道在这样做之后,我的文件实际上是utf-8编码的呢?当我保存时,它会在程序页脚中写入一个状态,在文件保存的地方,然后在括号中写上utf-8。我已经尝试过了,这就是我的意思:“我还通过我的编辑器(升华文本3)将所有使用过的文件的编码更改为utf-8”。但我会继续玩这个游戏,我觉得这方面可能会有一些东西。它是unicode类型的,或者至少是类型(myString)
方法告诉我的。@matiOS,你的代码中可以有unicode字符串,就像一些myString
,但是,例如,字符串“Koliko imamše dopusta?”
,它在聊天机器人.train()中,在Python 2.7中不是unicode。它是一个常规字节字符串。看起来这个字节字符串导致了这个问题。此外,在UnicodeDecodeError
中提到0x9a
字节(在cp1252
中为š
)会持续提示源代码应该在cp1252
中。您实际上是如何在Sublime中更改源代码的编码的?我在myString
变量中保存了提到的字符串“Koliko imamše dopusta?”
,然后运行类型(myString)
代码,结果是unicode。我明白你想告诉我的,但答案似乎是朝这个方向的。我按照您建议的方式更改了编码。@matiOS,在Python 2.7中:myString=“Koliko imamše dopusta?”;打印类型(myString)
总是给出
,这是一个字节字符串,而不是unicode。尝试通过1)CTRL+`->运行Sublime的控制台2)执行查看来检查文件的编码