Python Unicodeエンコードエラー

Amazon XMLファイルを読み取って解析していますが、XMLファイルに 'が表示されているのに、印刷しようとすると次のエラーが発生します。

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

これまでオンラインで読んだことから、エラーはXMLファイルがUTF-8であるという事実に起因していますが、PythonはそれをASCIIエンコード文字として処理したいと考えています。エラーをなくし、プログラムがXMLを読み取るときにXMLを印刷する簡単な方法はありますか？

おそらく、あなたの問題はあなたがそれを大丈夫に解析したことであり、そして今あなたはXMLの内容を印刷しようとしているのですが、いくつかの外国のUnicode文字があるためにそれができません。最初にあなたのユニコード文字列をアスキーとしてエンコードしてみてください：

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

「無視」の部分は、それらの文字をスキップするように指示します。Pythonドキュメントから：

>>> u = unichr(40960) + u'abcd' + unichr(1972)
>>> u.encode('utf-8')
'\xea\x80\x80abcd\xde\xb4'
>>> u.encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in ?
UnicodeEncodeError: 'ascii' codec can't encode character '\ua000' in position 0: ordinal not in range(128)
>>> u.encode('ascii', 'ignore')
'abcd'
>>> u.encode('ascii', 'replace')
'?abcd?'
>>> u.encode('ascii', 'xmlcharrefreplace')
'&#40960;abcd&#1972;'

：あなたはこの記事読みたいかもしれませんhttp://www.joelonsoftware.com/articles/Unicode.html、私は何が起こっている上の基本的なチュートリアルとして非常に有用であることが判明しました。読んだ後は、どのコマンドを使用するかを推測しているように感じることはなくなります（または少なくともそれが私に起こりました）。

より良いソリューション：

if type(value) == str:
    # Ignore errors even if the string is not proper UTF-8 or has
    # broken marker bytes.
    # Python built-in function unicode() can do this.
    value = unicode(value, "utf-8", errors="ignore")
else:
    # Assume the value object has proper __unicode__() method
    value = unicode(value)

理由についてもっと知りたい場合：

http://docs.plone.org/manage/troubleshooting/unicode.html#id1

スクリプト内に環境の文字エンコードをハードコーディングしないでください。代わりに、Unicodeテキストを直接印刷します。

assert isinstance(text, unicode) # or str on Python 3
print(text)

出力がファイル（またはパイプ）にリダイレクトされる場合。PYTHONIOENCODINGenvvarを使用して、文字エンコーディングを指定できます。

$ PYTHONIOENCODING=utf-8 python your_script.py >output.utf8

それ以外の場合は、python your_script.pyそのまま機能するはずです-ロケール設定を使用してテキストをエンコードします（POSIXチェックLC_ALLでLC_CTYPEはLANG、、、envvars-セットLANG必要に応じてutf-8ロケールにします）。

WindowsでUnicodeを印刷するには、Windowsコンソール、ファイル、またはIDLEを使用してUnicodeを印刷する方法を示すこの回答を参照してください。

優れた投稿：http : //www.carlosble.com/2010/12/understanding-python-and-unicode/

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

def __if_number_get_string(number):
    converted_str = number
    if isinstance(number, int) or \
            isinstance(number, float):
        converted_str = str(number)
    return converted_str


def get_unicode(strOrUnicode, encoding='utf-8'):
    strOrUnicode = __if_number_get_string(strOrUnicode)
    if isinstance(strOrUnicode, unicode):
        return strOrUnicode
    return unicode(strOrUnicode, encoding, errors='ignore')


def get_string(strOrUnicode, encoding='utf-8'):
    strOrUnicode = __if_number_get_string(strOrUnicode)
    if isinstance(strOrUnicode, unicode):
        return strOrUnicode.encode(encoding)
    return strOrUnicode

あなたは形の何かを使うことができます

s.decode('utf-8')

これは、UTF-8でエンコードされたバイト文字列をPython Unicode文字列に変換します。ただし、使用する正確な手順は、XMLファイルをロードして解析する方法によって異なります。たとえば、XML文字列に直接アクセスしない場合は、codecsモジュールのデコーダーオブジェクトを使用する必要があります。

迷惑な非ASCII引用符を修正し、変換を使用可能なものに強制するために、以下を書きました。

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: add to map:", i, repr(i), "(encoded as _)"
                except:
                    print "unicodeToAscii: unknown code (encoded as _)", repr(i)
                outStr = outStr + "_"
    return outStr

これらの印刷できない文字を無視するのではなく、文字列のおおよその表現を画面に印刷する必要がある場合は、こちらのunidecodeパッケージを試してください。

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

説明はここにあります：

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

これはu.encode('ascii', 'ignore')、指定された文字列uにfor を使用するよりも優れており、文字の精度が希望どおりではないが、人間が読みやすくしたい場合に、不必要な頭痛からあなたを救うことができます。

ウィラワン

Pythonスクリプトの先頭に次の行を追加してみてください。

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

Python 3.5、2018

エンコーディングがわからないが、Unicodeパーサーに問題がある場合はNotepad++、上部のバーでファイルを開き、を選択しますEncoding->Convert to ANSI。それから、あなたはこのようにあなたのpythonを書くことができます

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