Python 从tk对话框返回的UTF-8文件名的UnicodeError

您好，我正在尝试使用

ffmpeg

和以下函数（在

python2

中）从视频文件中提取音频：

上述打印语句成功打印以下内容：

ffmpeg -i "C:/Users/pruthvi/Desktop/vidrec/temp\TAEYEON 태연_ I (feat. Verbal Jint)_Music Video.mp4" -ab 160k -ac 2 -ar 44100 -vn audio.wav

但在下一条语句中，它失败并抛出以下错误：

Traceback (most recent call last):
  File "C:/Users/pruthvi/Desktop/vidrec/vidrec.py", line 53, in <module>
    main()
  File "C:/Users/pruthvi/Desktop/vidrec/vidrec.py", line 46, in main
    extractAudio(os.path.join(di,each))
  File "C:/Users/pruthvi/Desktop/vidrec/vidrec.py", line 28, in extractAudio
    subprocess.call(command,shell=True)
  File "C:\Python27\lib\subprocess.py", line 522, in call
    return Popen(*popenargs, **kwargs).wait()
  File "C:\Python27\lib\subprocess.py", line 710, in __init__
    errread, errwrite)
  File "C:\Python27\lib\subprocess.py", line 928, in _execute_child
    args = '{} /c "{}"'.format (comspec, args)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 56-57: ordinal not in range(128)

---

因为您要将unicode字符串传递给

子流程.call

，Python尝试将其编码为它认为文件系统/操作系统能够理解的编码。出于某种原因，选择ASCII是错误的

您可以通过以下方式尝试使用正确的编码：

subprocess.call(command.encode(sys.getfilesystemencoding()))

---

与上一个问题相同：Windows上的大多数跨平台软件无法处理文件名中的非ASCII字符

Python的

子流程

模块使用基于字节字符串的接口。在Windows下，命令行基于Unicode字符串（技术上是UTF-16代码单元），因此MS C运行时使用不同机器的编码（“ANSI”代码页）将字节字符串转换为Unicode字符串，该编码不能包含所有Unicode字符

如果您的Windows安装是韩文的，您的ANSI代码页将是949韩文的，您可以通过以下方式之一编写命令：

subprocess.call(command.encode('cp949'))
subprocess.call(command.encode('mbcs'))

（其中，

mbcs

是“多字节字符集”的缩写，它是Windows上ANSI代码页的同义词。）如果您的安装不是韩语的，您将有一个不同的ANSI代码页，并且您将无法将该文件名写入命令，因为您的命令行编码中没有任何韩语。ANSI编码从来都不像UTF-8那样合理，因此没有人能够可靠地使用子流程来执行包含所有Unicode字符的命令

如前一个问题中所讨论的，Python包括Unicode文件名的变通方法，以使用本机Win32 API而不是C标准库。在Python3中，它还使用Win32 Unicode API来创建进程，但在Python2中情况并非如此。您可以通过

ctypes

调用Win32

CreateProcessW

命令，直接访问Windows API，但这有点麻烦

…而且它无论如何都没有用，因为即使您将非ANSI字符输入命令行，

ffmpeg

命令本身也会失败。这是因为ffmpeg也是一个跨平台应用程序，它使用C标准库读取命令行和文件。它将无法读取命令行参数中的韩语，即使您以某种方式通过了它，它也无法读取该名称的文件

这是Windows平台上令人沮丧的一个原因：尽管它在内部非常支持Unicode，但大多数运行在它上面的工具却不能。答案应该是Windows在它实现的所有字节字符串接口中都支持UTF-8，而不是没有人想要的陈旧的ANSI代码页。不幸的是，微软一再拒绝采取让UTF-8在Windows上成为一流公民的第一步（即修复一些阻止UTF-8在控制台上工作的bug）。对不起

无关：这：

''.join(('ffmpeg -i "',path,'"...

这通常是个坏主意。文件名中有许多特殊字符会中断该命令行，并可能最终执行各种其他命令。如果输入路径由不受信任的人控制，这将是一个严重的安全漏洞。通常，当您将变量的命令行放在一起时，您需要应用转义以使字符串可以安全地包含在内，并且Windows上的转义规则非常复杂且烦人

通过将所有内容保留在Python中，可以避免转义问题和Unicode问题。您可以使用将ffmpeg的功能引入Python的模块，例如PyFFmpeg，而不是启动调用ffmpeg代码的命令

或者一个廉价的“n”或“n”蹩脚的解决方法是将文件复制/移动到Python中已知的安全名称，使用静态文件名运行

ffmpeg

命令，然后重命名/复制回文件…

您有两个问题：

Python 2 在任何参数中使用Unicode时，

子流程

模块将中断。这个问题在Python3中得到了修复，您可以将任何Unicode文件名和参数传递给

子进程

，它将正确地将它们转发给子进程

ffmpeg ffmpeg本身无法打开这些文件，您只需尝试从命令行运行即可轻松验证：

C:\temp>fancy αβγ.m4v
... lots of other output
fancy a�?.m4v: Invalid data found when processing input

（我的代码页是windows-1252，请注意希腊字母a是如何被拉丁字母a替换的。）

---

您无法解决此问题，但可以解决此问题，请参见bobince的答案。

作为临时解决方案，我将文件复制为非unicode名称，然后将其传递给

子流程

，我仍然想知道如何解决上述问题。如果您去掉

shell=True

并执行

子流程，会发生什么情况(['ffmpeg'，'-i'，path'，ab'，160k'，'-ac'，2'，'-ar'，44100'，'-vn'，audio.wav']）

？@bbayles同样的错误，刚刚尝试过。我注意到

path

有一个反斜杠和一个正斜杠。我不认为这会导致问题，但你是否尝试过使它保持一致的正斜杠？@bbayles我使用了

os.path.join（目录，文件）

，它还解释了为什么以及如何丢失

shell=True

这个讨厌的东西。这会抛出

TypeError：必须是没有空字节的字符串或没有，而不是str

当您编码到utf-8时会发生什么？还有

sys.getfilesystemencoding（）的输出是什么

？OP使用的是Python 2.7，因此他传入了一个字节字符串。我认为这种解释不正确，文档实际上提到“在Windows上，类使用Windows CreateProcess（）”。它只是Python 2.x内部使用byte str

''.join(('ffmpeg -i "',path,'"...

C:\temp>fancy αβγ.m4v
... lots of other output
fancy a�?.m4v: Invalid data found when processing input