解码EBCDIC

Question

我将收到一个 ebcdic 编码的数据。 类似于：

s = u'@@@@@@@@@@@@@@@@@@@ÂÖÉâÅ@ÉÄ'

尝试使用.decode('cp500')是错误的，但正确的方法是什么？如果我将字符串复制到像Notepad++这样的软件中，我可以将其从EBCDIC转换为ascii，但我似乎找不到在Python中实现相同目的的可行方法。值得一提的是，正确的结果是：BOISE ID（加或减空格填充）。

该信息是从包含JSON对象行的文件中检索出来的。该文件如下所示：

{ "command": "flush-text", "text": "@@@@@O@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@O" }
{ "command": "flush-text", "text": "@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@\u00C9\u00C4@\u00D5\u00A4\u0094\u0082\u0085\u0099z@@@@@@@@@@\u00D9\u00F5\u00F9\u00F7\u00F6\u00F8\u00F7\u00F2\u00F4" }
{ "command": "flush-text", "text": "@@@@@OmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmmO" }
{ "command": "flush-text", "text": "@@@@@O@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@O" }

处理循环大致如下：

with open('myfile.txt', 'rb') as fh:
  for line in fh:
    data = json.loads(line)

- g.d.d.c

---

编码还是解码？为什么要解码Unicode字符串？难道不应该解码字节字符串吗？ - 200_success

同意。但是...我已经得到了一个Unicode字符串 - 它来自于json.loads。说实话，这有点混乱。但是我正在努力想办法从我手头的东西转换成我需要的东西。 - g.d.d.c

听起来你并不清楚你要处理的内容是什么。 - holdenweb

你在使用Python 2还是3？ - cdarke

你能否在你的Python脚本中添加一个简短的片段，说明如何获取这些数据？如果数据来自一个文件，那么也许你应该以正确的编码方式打开它... - flaschbier

@cdarke - 2. 我曾考虑过尝试使用3，但我不确定我正在使用的库是否都兼容。 - g.d.d.c

Answer 1

如果Notepad++可以成功转换，那么您只需要： Python 2.7：

with io.open('myfile.txt', 'r', encoding="cp500") as fh:
  for line in fh:
    data = json.loads(line)

Python 3.x:

with open('myfile.txt', 'r', encoding="cp500") as fh:
  for line in fh:
    data = json.loads(line)

这里使用了TextWrapper来解码文件并使用给定的编码格式读取。io模块为Python 2.x提供了Python 3的open函数，同时支持codecs/TextWrapper和通用换行符。

- Alastair McCormack

Answer 2

我猜你需要相应Unicode序号的值作为字节，然后用cp500进行解码。

>>> s = u'@@@@@@@@@@@@@@@@@@@ÂÖÉâÅ@ÉÄ'
>>> bytearray(ord(c) for c in s).decode('cp500')
u'                   BOISE ID'

或者：

>>> s.encode('latin-1').decode('cp500')
u'                   BOISE ID'

- timgeb

---

这个答案是正确的，但我对测试io模块更感兴趣，所以我选择了那种方法。 - g.d.d.c

@g.d.d.c 另一个答案是正确的方法。我假设你从某个地方获取了你的Unicode字符串，并且必须处理你得到的内容。 - timgeb