Python UTF-8编码错误表示法

我正在使用Python2.7.X。我加载了一些XML，XML是utf-8编码的。因此，我做了以下工作：

def get_xml(self):
    r = requests.get("https://dataserver.com")
    xml = r.text
    return xml.encode("utf-8")

def parse_xml(xml):
    tree = ET.fromstring(xml)
    for child in tree:
        print "    Raw type = " + str(type(child.attrib["name"]))
        print "Encoded type = " + str(type(child.attrib["name"].encode("utf-8")))
        print child.attrib["name"].encode("utf-8")
        print str(child.attrib["name"])
        print "------------"

这将导致以下错误：

    Raw type = <type 'unicode'>
Encoded type = <type 'str'>
Malmö FF - Paris SG
Traceback (most recent call last):
...
UnicodeEncodeError: 'ascii' codec can't encode characters in position 4-5: ordinal not in range(128)

原始类型=
编码类型=
马尔姆FF-巴黎SG
回溯（最近一次呼叫最后一次）：
...
UnicodeEncodeError:“ascii”编解码器无法对位置4-5中的字符进行编码：序号不在范围内（128）

因此，

UnicodeEncodeError

对我来说是清楚的。但是，在将

unicode

字符串编码为

utf-8

字符串后，我希望它能够正确表示。也就是说，

MalmÃFF

实际上应该是

MalmöFF

---

我做错了什么？

我认为您的表达式

str（child.attrib[“name”]）

将使用标准编码来编码unicode。您确定这已设置为utf-8吗？我猜你把它设定在拉丁语-1或别的什么。尝试将其重写为

child.attrib[“name”].encode（“utf-8”）

您遇到了许多问题：

您要么在Windows上，要么正在使用不正确的终端模拟将数据传输到Unix设备。您的终端错误地将多字节UTF-8字符转换为两个ISO-8895-*字符：

Windows-1252/ISO-8895-*=

Malm\xc3\xb6

=

Malmö

如果您在Windows上，请不要在控制台上打印UTF-8。使用以下命令：

打印前不要进行编码。让Python为您做这件事。如果Python出现问题，并且您在Unix上，请确保您的语言环境设置为UTF-8版本，例如

en_US.UTF-8

。如果所有其他操作都失败，请在您的环境中设置

pythonionecoding=UTF-8

除非您确实需要，否则不要将Unicode对象转换为str对象。如果这样做，请使用

.encode（“utf-8”）

而不是

str（）

（它们都是

str

对象），以确保使用合适的编码。但是再一次，不要这样做

如果需要将Unicode对象添加到文件中，请使用：

my_f = io.open("myfile.txt", "w", encoding="utf-8")
my_f.write(my_unicode_object)

Unicode对象将为您编码

---

谢谢你的建议。然而，我100%肯定它是UTF-8。另外，

print“Latin-1 Encoded type=“+str（type（child.attrib[“name”]）.encode（“Latin-1”））

也会导致错误。当您已经编码了某些内容时，不需要强制转换到

str

。它将是一个具有特定编码的字节字符串。我仍然建议你尝试我建议的重写，只是为了确定。你确定你的建议没有打字错误吗？您建议

child.attrib[“name”].encode（“utf-8”）

。我已经这么做了好吧，你说得对。它确实是

latin-1

编码的。这很奇怪，因为xml编码被显式设置为

utf-8

，我是说在

for child in tree

循环中，您的第四个

打印

。它没有编码，在您强制转换

str

之前将使用unicode，然后python将尝试将其编码为默认编码。在你的例子中，拉丁语-1。谢谢你的这些观点。仅供参考：我正在使用Mac OS X Yosemite和标准的苹果终端应用程序。我的区域设置都设置为包含

UTF-8

的内容。我仍然不明白为什么这些字符串用拉丁语1编码？苹果终端有一个模拟设置。它应该设置为UTF-8，但可能已更改。转到“首选项”->“配置文件”->“高级”。请记住停止调用

.encode（）

和

str（）

。嗯，终端被设置为UTF-8I可以复制

MalmÃ

，如果我将模拟错误地设置为“Windows-1252”。如果您删除

.encode（）

，它还会这样做吗？好吧，我的终端设置为UTF-8，并且

打印的输出“不带str（）或编码（…）：”+child.attrib[“name”]

是

不带str（）或编码（…）：MalmÃFF-Paris SG