使用Python编码错误

我编写了一个代码来连接imap，然后解析身体信息并插入数据库。但我在口音方面有些问题

从电子邮件标题中，我得到了以下信息：

内容类型：text/html；字符集=ISO-8859-1

但是，我不确定我是否能相信这些信息

这封邮件是用葡萄牙语写的，所以我们有很多带口音的单词。例如，我从电子邮件源代码中提取以下短语（使用我的浏览器）：

“……电子商店……”

因此，我连接到imap并获取了一些电子邮件：

。。。类型，数据=M.fetch（num'（RFC822）

当我打印内容时，我得到以下单词：

print data[0][1]

我试图使用

.decode（'utf-8'）

，但没有成功

尼科斯公寓

---

我怎样才能使它成为人类可读的？我的数据库是utf-8。

标题上说它使用的是“ISO-8859-1”字符集。因此，您需要使用该编码对字符串进行解码

试试这个：

data[0][1].decode('iso-8859-1')

---

指定源代码编码对我来说很有效。这是我下面示例代码顶部的代码。这应该在python文件的顶部定义

#!/usr/bin/python
# -*- coding: iso-8859-15 -*-

value = """...instalação de eletrônicos...""".decode("iso-8859-15")
print value
# prints: ...instalação de eletrônicos...

import unicodedata
value = unicodedata.normalize('NFKD', value).encode('ascii','ignore')
print value
# prints: ...instalacao de eletronicos...

现在您也可以毫无例外地执行str（value）

见：

这似乎保留了所有口音：

#!/usr/bin/python
# -*- coding: iso-8859-15 -*-
import unicodedata
value = """...instalação de eletrônicos...""".decode("iso-8859-15")
value = unicodedata.normalize('NFKC', value).encode('utf-8')
print value
print str(value)

# prints (without exceptions/errors):
# ...instalação de eletrônicos...
# ...instalação de eletrônicos...

编辑：

请注意，对于上一个版本，即使结果看起来相同，但返回的结果并不相等。例如：

#!/usr/bin/python
# -*- coding: iso-8859-15 -*-
import unicodedata
inValue = """...instalação de eletrônicos...""".decode("iso-8859-15")
normalizedValue = unicodedata.normalize('NFKC', inValue).encode('utf-8')

try:
    print inValue == normalizedValue
except UnicodeWarning:
    pass
# False

EDIT2:

这将返回相同的值：

normalizedValue = unicode("""...instalação de eletrônicos...""".decode("iso-8859-15")).encode('utf-8')
print normalizedValue 
print str(normalizedValue )

# prints (without exceptions/errors):
# ...instalação de eletrônicos...
# ...instalação de eletrônicos...

---

虽然我不确定这对utf-8编码的数据库是否有效。可能不会吧？

谢谢Martijn Pieters。我们发现这封邮件有两种不同的编码。我不得不把这些部分分开单独处理

打印什么（类型（数据[0][1]）；打印（repr（数据[0][1]））

print？@WinstonEwert-python2。7@MartijnPieters-输入：和“print（repr）（“返回的重音如下：fun\xc3\xa7\xc3\xa3o（对不起，这是另一个重音词））不，这正是我想看到的。这是UTF8中的

função

和

解码（'UTF8'））

应该可以，也许你需要给我们看更多的代码？@MartijnPieters，我试过：打印repr（数据[0][1]）。解码（'utf8'），但仍然显示“fun\xc3\xa7\xc3\xa3o”（关于解码单词“funço”，你是对的）这不会导致OP看到的双字节。让我们看看我对数据类型和repr的请求给了我们什么，好吗？它返回了以下错误：UnicodeEncodeError:“charmap”编解码器无法对位置20中的字符u'\x83'进行编码：字符映射到

normalizedValue = unicode("""...instalação de eletrônicos...""".decode("iso-8859-15")).encode('utf-8')
print normalizedValue 
print str(normalizedValue )

# prints (without exceptions/errors):
# ...instalação de eletrônicos...
# ...instalação de eletrônicos...