Question

我正在使用Jeff's demo code来使用YouTube API和Python与我的视频的字幕进行互动。而且我的英语视频效果非常好。不幸的是，当我尝试将我的视频用于西班牙语的自动成绩单，其中包含á¡等字符时，我收到编码错误：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xc3 in position 25: ordinal not in range(128)

我的Python脚本顶部有# -*- coding: utf-8 -*-，我已将CAPTIONS_LANGUAGE_CODE更改为'es'，但似乎脚本仍将其下载的.srt文件解释为{ {1}}而不是ascii。下载.srt文件的行是：

utf-8

如何让Python将srt文件视为if response_headers["status"] == "200": self.srt_captions = SubRipFile.from_string(body)，以免它产生编码错误？

谢谢！

Answer 1

看起来这根本不是Youtube API问题，而是Python问题。请注意，您的错误不是编码错误，而是解码错误;你偶然发现了Python的工作方式（无论好坏）。 Python中的许多函数将unicode数据转换为8位字符串而不是本机unicode对象，使用带有十六进制数的\ x来表示大于127的字符。（一种这样的方法是SubRipFile对象的“from_string”方法你'使用。）因此数据仍然是unicode，但对象是一个字符串。因此，当您强制转换为unicode对象（通过使用您提供的示例代码中的unicode对象的'join'方法触发）时，Python将假定为ascii编解码器（8位字符串的默认值），无论数据编码如何）处理数据，然后在这些十六进制字符上抛出错误。

有几种解决方案。

1）你可以明确告诉Python当你运行你的join方法时不假设一个ascii编解码器，但我总是很难做到这一点（并且在每种情况下都这样做）。所以我不会尝试一些示例代码。

2）你可以放弃原生的unicode对象，只需使用8位字符串来处理你的unicode数据;这只需要你改变这一行：

body = u'\n'.join(lines[2:])

对此：

body = '\n'.join(lines[2:])

这种方法存在潜在的缺点，但是，你必须确保在每种情况下都这样做;你也不会利用Python原生的unicode对象（这可能会或可能不会在你的代码中出现问题）。

3）您可以使用低级“编解码器”模块来确保数据从一开始就被转换为本机unicode对象，而不是使用8位字符串。通常，您以这种方式完成这样的任务：

import codecs
f=codecs.open('captions.srt',encoding='utf-8')
l=f.readlines()
f.close()
type(l[0]) # will be unicode object rather than string object

当然，你有使用SubRipFile对象返回字符串的复杂性，但你可以通过StringIO对象发送它来解决这个问题（因此编解码器模块可以将翻录的数据视为文件），使用codecs.encode（）方法等.PDF文档在所有这些方面都有相当不错的部分。

祝你好运。

使用带有utf-8字符的Python下载带有API的YouTube字幕

1 个答案: