python - lenguaje - UnicodeEncodeError: el codec ''ascii'' no puede codificar el carácter u ''/ u2013'' en la posición 3 2: ordinal no está dentro del rango(128)

python wikipedia

Question

Estoy analizando un archivo xsl usando xlrd. La mayoría de las cosas están funcionando bien. Tengo un diccionario donde las claves son cadenas y los valores son listas de cadenas. Todas las claves y valores son unicode. Puedo imprimir la mayoría de las claves y valores utilizando el método str() . Pero algunos valores tienen el carácter Unicode - /u2013 para el que recibo el error anterior.

Sospecho que esto está sucediendo porque se trata de Unicode incrustado en Unicode y el intérprete de Python no puede decodificarlo. Entonces, ¿cómo puedo deshacerme de este error?

Gracias por adelantado.

Answer 1

Como aquí, str(u''/u2013'') está causando un error, use isinstance(foo,basestring) para verificar unicode / cadena, si no es de tipo cadena base isinstance(foo,basestring) a Unicode y luego aplique la codificación

if isinstance(foo,basestring):
foo.encode(''utf8'')
else:
unicode(foo).encode(''utf8'')

leer más

Answer 2

También puede imprimir objetos Unicode, no necesita hacer str () a su alrededor.

Suponiendo que realmente quieres un str:

Cuando haces str (u ''/ u2013'') estás intentando convertir la cadena Unicode en una cadena de 8 bits. Para hacer esto necesita usar una codificación, una asignación entre datos Unicode y datos de 8 bits. Lo que hace str () es que utiliza la codificación predeterminada del sistema, que bajo Python 2 es ASCII. ASCII contiene solo los 127 primeros puntos de código de Unicode, es decir / u0000 a / u007F1. El resultado es que obtiene el error anterior, el códec ASCII simplemente no sabe qué es / u2013 (es un guión largo, por cierto).

Por lo tanto, debe especificar qué codificación desea utilizar. Los más comunes son ISO-8859-1, más comúnmente conocido como Latin-1, que contiene los 256 primeros puntos de código; UTF-8, que puede codificar todos los puntos de código mediante el uso de codificación de longitud variable, CP1252 que es común en Windows y varias codificaciones en chino y japonés.

Los usas así:

u''/u2013''.encode(''utf8'')

El resultado es una cadena que contiene una secuencia de bytes que es la representación de uTF8 del carácter en cuestión:

''/xe2/x80/x93''

Y puedes imprimirlo:

>>> print ''/xe2/x80/x93''
–

Answer 3

También puedes probar esto para obtener el texto.

foo.encode(''ascii'', ''ignore'')

Answer 4

Yo tuve el mismo problema. Este trabajo bien para mí:

str(objdata).encode(''utf-8'')

Answer 5

para mi esto funciona

unicode (datos) .encode (''utf-8'')