Python 非ASCII的比较仅在空闲时有效

我正在做一个相当简单的代码，将欧洲葡萄牙语输入转换成巴西葡萄牙语——因此有很多重音字符，如á、é、À、ç等

基本上，目标是从列表中查找文本中的单词，并用第二个列表中的BR单词替换它们

代码如下：

#-*- coding: latin-1 -*-

listapt=["gestão","utilizador","telemóvel"]
listabr=["gerenciamento", "usuário", "celular"]

while True:

    #this is all because I need to be able to input multiple lines of text, seems to be working fine 

    print ("Insert text")
    lines = []

    while True:
        line = raw_input()
        if line != "FIM":
            lines.append(line)
        else:
            break
    text = '\n'.join(lines)    

    for word in listapt:
        if word in text:
            num = listapt.index(word)
            wordbr = listabr[num]
            print(word + " --> " + wordbr) #just to show what changes were made
            text = text.replace(word, wordbr)

    print(text)

我在Windows上使用IDLE运行代码，并双击

.py

文件。

---

使用IDLE时代码工作正常，但双击

.py

文件时不匹配和替换字符。

首先尝试执行以下代码，它应该可以解决问题：

# -*- coding: latin-1 -*-

listapt=[u"gestão",u"utilizador",u"telemóvel"]
listabr=[u"gerenciamento",u"usuário", u"celular"]

lines=[]
line = raw_input()
line = line.decode('latin-1')
if line != "FIM":
    lines.append(line)

text = u'\n'.join(lines)    

for word in listapt:
    if word in text:
        print("Hello")
        num = listapt.index(word)
        print(num)
        wordbr = listabr[num]
        print(wordbr) 

---

我看不出这里有什么问题

根据您对原始输入的使用情况，您似乎正在使用Python2.x

这可能是因为我正在从堆栈溢出中复制粘贴，并且您有一个不同的开发环境

尝试在最新的Python 3解释器下运行脚本，并删除“#-*-编码：”行

这应该可以在代码中更快地解决UnicodeDecodeError问题，或者工作正常

这里的问题是Python2.x在尝试在字节序列（Python2.x字符串所包含的内容，例如二进制文件内容）和人类有意义的文本（unicode，例如用于用户信息显示汉字）之间进行转换时，在某些时候会感到困惑，因为它对人类可读文本如何编码到Python字符串中的字节序列做出了错误的假设

---

这是Python 3试图更好地/不太含糊地解决的一个细节。

以下是代码在IDLE中按预期工作的原因，而不是通过CMD或双击：

您的代码是UTF-8编码的，而不是拉丁语-1编码的

IDLE始终在UTF-8“输入/输出”模式下工作

在Windows上，CMD/双击将使用非UTF-8 8位区域设置

当代码将输入与硬编码字符串进行比较时，它是在字节级别进行比较的。空闲时，它将UTF-8与硬编码UTF-8进行比较。在CMD上，它将非UTF-8 8bit与硬编码UTF-8进行比较（如果您使用的是股票MacOS，它也可以工作）

解决这个问题的方法是确保你正在比较“苹果与苹果”。您可以通过将所有内容转换为相同的编码来实现这一点。例如，将读取的输入转换为UTF-8，使其与硬编码字符串匹配。更好的解决方案是将所有[字节]字符串转换为Unicode字符串（不带编码的字符串）。如果您使用的是Python3，这将是全自动的

在Python2.x上，您需要做三件事：

在所有源代码字符串前面加上

u

，使其成为Unicode字符串：

listapt=[u"gestão",u"utilizador",u"telemóvel"]
listabr=[u"gerenciamento",u"usuário", u"celula]
...
if line != u"FIM":

或者，添加来自未来导入unicode文本的

，以避免更改所有代码

使用正确的编码头对文件进行编码。我怀疑您的标题应该是

utf-8

。例如

#-*- coding: utf-8 -*-

将

原始输入的结果

转换为Unicode。这必须通过检测到的标准输入编码来完成：

import sys
line = raw_input().decode(sys.stdin.encoding) 

顺便说一下，更好的方法是对单词列表进行建模以替换它，使用dict。键是原始单词，值是替换。例如

words = { u"telemóvel": u"celula"}

---

如果在某处添加基本的

打印“gestão”

，是否会收到相同的错误消息？不，我没有。这似乎很好。我用一个新问题编辑了这个问题——它在空闲时工作，但在我直接运行或转换为exe时不工作。为什么？你说的“转换为exe”是什么意思？我使用py2exe创建了一个可执行文件，只是为了测试它，因为这可能是最终目标。不要硬编码

解码

-这假设终端使用的是

拉丁语-1

。当OP双击或从CMD运行时，这可能适用于OP。我试过了，实际上我可以在空闲状态下运行它，但是如果我双击文件或从cmd打开它，它就不起作用了。这的最终目标可能是创建一个可共享的可执行文件，因此从空闲运行是不够的。为什么会这样？天哪，是的！成功了！非常感谢。关于你的最后一个提示，这是一个非常好的提示，谢谢！请注意，Windows控制台是UTF-16，但默认情况下，Python 2从控制台读取最佳匹配（非严格）字节字符串。这使用控制台的当前输入代码页，默认为系统区域设置的OEM代码页（例如西欧的850）。您将阅读此代码页中未定义的所有字符的mojibake胡说八道（例如，“αβγδε”->“aßde”）。唯一可靠的解决方案是使用控制台的Unicode API（例如，

ReadConsoleW

），就像Python 3.6+一样。在Python2中，您可以安装并启用win_unicode_控制台包。在这个答案中没有理由提到CMD，因为OP通过双击文件来运行脚本。将CMD引入讨论会导致混淆控制台和CMD是同一件事。cmd.exe和python.exe都是控制台应用程序，它们继承或分配由系统实现的控制台窗口（在Windows 7+中由conhost.exe实现，但这是一个实现细节）。