Python Unicode编码错误：欧元符号不在范围<128>内

Question

我需要在Python中读取一个XML文件并抓取各种内容，但是我遇到了一个令人沮丧的Unicode编码错误，即使我查找过仍然无法解决。

以下是我的代码片段:

#!/usr/bin/python
# coding: utf-8
from xml.dom.minidom import parseString
with open('data.txt','w') as fout:
   #do a lot of stuff
   nameObj = data.getElementsByTagName('name')[0]
   name = nameObj.childNodes[0].nodeValue
   #... do more stuff
   fout.write(','.join((name,bunch of other stuff))

这个程序在解析一个包含欧元符号的名称时崩溃了。以下是错误信息：

UnicodeEncodeError: 'ascii' codec can't encode character u'\u20ac' in position 60: ordinal not in range(128)

我理解为什么欧元符号会出问题（因为它位于128，对吧？），但我认为添加 # coding: utf-8 应该可以解决这个问题。我还尝试添加 .encode(utf-8) 以使名称看起来像

name = nameObj.childNodes[0].nodeValue.encode(utf-8)

但是那也不起作用。我做错了什么？（如果有人想知道，我正在使用Python 2.7.3）

编辑：Python在fout.write()行崩溃——只要名称字段像这样就可以顺利进行：

<name>United States, USD</name>

但是对于姓名字段会崩溃，例如：

<name>France, € </name>

- Joe

---

异常是在哪里生成的？你能展示完整的回溯吗？ - Blckknght

fout.write() 这一行是出问题的地方。错误在上面——它崩溃的名字 obj 我会编辑进去。 - Joe

Answer 1

当你在Python中使用内置函数open打开文件时，你将始终以ASCII格式读取文件。要以另一种编码访问它，你必须使用codecs：

import codecs
fout = codecs.open('data.txt','w','utf-8')

- Fernando Freitas Alves

---

对于一个2.x文件，你读取一串字节 -- 没有特定的编码方式。字节不知道它们是ASCII还是UTF-8字节。如果你向文件写入一个 unicode 对象，它会使用默认的ASCII编码进行编码，这很可能会失败。这就是codecs.open发挥作用的地方。它添加了一个包装器，处理Unicode和字节之间的编码。 - Eryk Sun

这可能比我的答案更好，因为它让你专门处理Unicode数据（只让IO代码担心字符编码）。在Python 2.7中，您还可以使用io.open，它也接受一个编码参数。这是Python 3中默认的open函数。 - Blckknght

Answer 2

看起来您正在从XML解析器获取Unicode数据，但在写入数据之前没有对其进行编码。您可以在将结果写入文件之前明确编码：

text = ",".join(stuff) # this will be unicode if any value in stuff is unicode
encoded = text.encode("utf-8") # or use whatever encoding you prefer
fout.write(encoded)

- Blckknght