UnicodeEncodeError: 'ascii'编解码器无法编码字符

Question

我有一个包含URL响应的字典。例如:

>>> d
{
0: {'data': u'<p>found "\u62c9\u67cf \u591a\u516c \u56ed"</p>'}
1: {'data': u'<p>some other data</p>'}
...
}

使用 xml.etree.ElementTree 函数处理这些数据值（d[0]['data']）时，我遇到了最常见的错误信息：UnicodeEncodeError: 'ascii' codec can't encode characters...。

为了使这个 Unicode 字符串适合 ElementTree 解析器，我该怎么做呢？

PS. 请不要发送有关 Unicode 和 Python 解释的链接。不幸的是，我已经阅读了所有内容，但无法利用它，希望其他人可以。

- theta

Answer 1

你需要手动将其编码为UTF-8：

ElementTree.fromstring(d[0]['data'].encode('utf-8'))

由于API仅接受编码后的字节作为输入。对于这样的数据，UTF-8是一个很好的默认选择。

然后，它将能够再次解码为Unicode：

>>> from xml.etree import ElementTree
>>> p = ElementTree.fromstring(u'<p>found "\u62c9\u67cf \u591a\u516c \u56ed"</p>'.encode('utf8'))
>>> p.text
u'found "\u62c9\u67cf \u591a\u516c \u56ed"'
>>> print p.text
found "拉柏 多公 园"

- Martijn Pieters

---

是的，那是我尝试的第一件事，而且我总是会尝试。问题出在 ElementTree.tostring 上。请尝试使用 ElementTree.tostring(p, method='text') 并告诉我为什么它不起作用？谢谢。 - theta

啊，抱歉。这太明显了。.tostring()有一个可选参数'encoding'，默认情况下可能设置为ascii，因此添加encoding ='utf-8'即可解决问题。干杯 - theta

@theta：嘿嘿，我正想告诉你这件事呢。 :-) - Martijn Pieters

有关更多信息，请查看此问题：https://bugs.python.org/issue11033 - Roger Huang