在python中将域名转换为idn
我有一个很长的域名列表,我需要生成一些报告。该列表包含一些IDN域,尽管我知道如何在命令行上用python转换它们:在python中将域名转换为idn,python,unicode,Python,Unicode,我有一个很长的域名列表,我需要生成一些报告。该列表包含一些IDN域,尽管我知道如何在命令行上用python转换它们: >>> domain = u"pfarmerü.com" >>> domain u'pfarmer\xfc.com' >>> domain.encode("idna") 'xn--pfarmer-t2a.com' >>> 我正在努力让它与从文本文件读取数据的小脚本一起工作 #!/usr/bin/pytho
>>> domain = u"pfarmerü.com"
>>> domain
u'pfarmer\xfc.com'
>>> domain.encode("idna")
'xn--pfarmer-t2a.com'
>>>
我正在努力让它与从文本文件读取数据的小脚本一起工作
#!/usr/bin/python
import sys
infile = open(sys.argv[1])
for line in infile:
print line,
domain = unicode(line.strip())
print type(domain)
print "IDN:", domain.encode("idna")
print
我得到以下输出:
$ ./idn.py ./test
pfarmer.com
<type 'unicode'>
IDN: pfarmer.com
pfarmerü.com
Traceback (most recent call last):
File "./idn.py", line 9, in <module>
domain = unicode(line.strip())
UnicodeDecodeError: 'ascii' codec can't decode byte 0xfc in position 7: ordinal not in range(128)
这给了我:
$ ./idn.py ./test
Traceback (most recent call last):
File "./idn.py", line 8, in <module>
for line in infile:
File "/usr/lib/python2.6/codecs.py", line 679, in next
return self.reader.next()
File "/usr/lib/python2.6/codecs.py", line 610, in next
line = self.readline()
File "/usr/lib/python2.6/codecs.py", line 525, in readline
data = self.read(readsize, firstline=True)
File "/usr/lib/python2.6/codecs.py", line 472, in read
newchars, decodedbytes = self.decode(data, self.errors)
UnicodeDecodeError: 'utf8' codec can't decode bytes in position 0-5: unsupported Unicode code range
我现在非常清楚我需要理解unicode
谢谢
Peter您需要知道文件保存的编码。这可能类似于“utf-8”(不是Unicode)或“iso-8859-1”或“cp1252”或类似内容 然后您可以执行(假设为“utf-8”):
使用
解码
将编码字符串转换为unicode。使用encode
将unicode转换为字符串。如果您尝试对已经编码的内容进行编码,python会首先尝试解码,默认的编解码器“ascii”对非ascii值无效 您需要知道文件保存的编码。这可能类似于“utf-8”(不是Unicode)或“iso-8859-1”或“cp1252”或类似内容
然后您可以执行(假设为“utf-8”):
使用
解码
将编码字符串转换为unicode。使用encode
将unicode转换为字符串。如果您尝试对已经编码的内容进行编码,python会首先尝试解码,默认的编解码器“ascii”对非ascii值无效 您的第一个示例很好,只是:
domain = unicode(line.strip())
您必须在此处指定特定的编码:unicode(line.strip(),'utf-8')
。否则会得到默认编码,出于安全考虑,默认编码为7位ASCII,因此会出现错误。或者,您可以将其拼写为line.strip().decode('utf-8')
,如knitti的示例所示;这两种语法在行为上没有区别
然而,从错误“无法解码字节0xfc”判断,我认为您实际上没有将测试文件保存为UTF-8。这大概就是第二个例子失败的原因,这个例子在原则上看起来也不错
而是ISO-8859-1或非常类似的Windows代码页1252。如果它来自西部Windows框上的文本编辑器,那么肯定是后者;现在Linux机器默认使用UTF-8。请确保将文件另存为UTF-8,或者使用编码“cp1252”读取文件。您的第一个示例很好,只是:
domain = unicode(line.strip())
您必须在此处指定特定的编码:unicode(line.strip(),'utf-8')
。否则会得到默认编码,出于安全考虑,默认编码为7位ASCII,因此会出现错误。或者,您可以将其拼写为line.strip().decode('utf-8')
,如knitti的示例所示;这两种语法在行为上没有区别
然而,从错误“无法解码字节0xfc”判断,我认为您实际上没有将测试文件保存为UTF-8。这大概就是第二个例子失败的原因,这个例子在原则上看起来也不错
而是ISO-8859-1或非常类似的Windows代码页1252。如果它来自西部Windows框上的文本编辑器,那么肯定是后者;现在Linux机器默认使用UTF-8。请确保将文件保存为UTF-8,或者改为使用编码'cp1252'
读取文件
infile = open(sys.argv[1])
for line in infile:
print line,
domain = line.strip().decode('utf-8')
print type(domain)
print "IDN:", domain.encode("idna")
print
domain = unicode(line.strip())