Python Erreur d'encodage Unicode

Question

Je lis et parsèse un fichier XML Amazon et alors que le fichier XML montre un ', lorsque j'essaie de l'imprimer, j'obtiens l'erreur suivante:

'ascii' codec can't encode character u'\u2019' in position 16: ordinal not in range(128) 

D'après ce que j'ai lu en ligne jusqu'à présent, l'erreur provient du fait que le fichier XML est en UTF-8, mais Python veut le traiter comme un caractère encodé en ASCII. Y a-t-il un moyen simple de faire disparaître l'erreur et de faire en sorte que mon programme imprime le XML tel qu'il le lit?

Answer 1

J'ai écrit ce qui suit pour corriger les citations non-ascii gênantes et forcer la conversion en quelque chose d'utilisable.

unicodeToAsciiMap = {u'\u2019':"'", u'\u2018':"`", }

def unicodeToAscii(inStr):
    try:
        return str(inStr)
    except:
        pass
    outStr = ""
    for i in inStr:
        try:
            outStr = outStr + str(i)
        except:
            if unicodeToAsciiMap.has_key(i):
                outStr = outStr + unicodeToAsciiMap[i]
            else:
                try:
                    print "unicodeToAscii: ajouter à la carte:", i, repr(i), "(encodé en _)"
                except:
                    print "unicodeToAscii: code inconnu (encodé en _)", repr(i)
                outStr = outStr + "_"
    return outStr

Answer 2

Si vous avez besoin d'imprimer une représentation approximative de la chaîne à l'écran, plutôt que d'ignorer ces caractères non imprimables, veuillez essayer le paquet unidecode ici:

https://pypi.python.org/pypi/Unidecode

L'explication se trouve ici:

https://www.tablix.org/~avian/blog/archives/2009/01/unicode_transliteration_in_python/

C'est mieux que d'utiliser u.encode('ascii', 'ignore') pour une chaîne donnée u, et peut vous éviter des maux de tête inutiles si la précision des caractères n'est pas ce que vous recherchez, mais que vous voulez quand même une lisibilité humaine.

Wirawan

Answer 3

Essayez d'ajouter la ligne suivante en haut de votre script python.

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

Answer 4

Python 3.5, 2018

Si vous ne connaissez pas l'encodage mais que le parser Unicode pose problème, vous pouvez ouvrir le fichier dans Notepad++ et dans la barre supérieure sélectionnez Encoding->Convert to ANSI. Ensuite, vous pouvez écrire votre python comme ceci

with open('filepath', 'r', encoding='ANSI') as file:
    for word in file.read().split():
        print(word)