Question

TDB = csv.reader(codecs.open('data/TDS.csv', 'rb', encoding='utf-8'), delimiter=',', quotechar='"')

ts = db.testCol

for row in TDB:
    print row[1]
    T = {"t":row[1],
             "s": row[0]}
    post_id = ts.insert(T)

我不知道为什么我不能将它编码成utf-8而我想将数据插入数据库我必须以utf8格式制作。

UnicodeDecodeError: 'utf8' codec can't decode byte 0xf3 in position 36: invalid continuation byte

在我输入编码功能之前，我从pymongo得到了这个。

bson.errors.InvalidStringData: strings in documents must be valid UTF-8

我猜，这是无法编码的数据

'compleja e intelectualmente retadora , el ladrÛn de orquÌdeas es uno de esos filmes que vale la pena ver precisamente por su originalidad . '

任何人都知道我该怎么办？感谢

Answer 1

好的，这可能会有所帮助..

这里有一个编码列表：

http://docs.python.org/2/library/codecs.html#standard-encodings

latin-1是用于欧洲语言的常用编码。

处理编码的基本流程是：

读入编码内容
content.decode（“source encoding”）到unicode
从unicode编码为所需编码，unicode_content.encode（“所需编码”）

您可以尝试通过看似正确的编码，看看哪些编码不会导致错误：

enc = "latin-1"
f = open("TSD.csv", "r")
content = f.read() # raw encoded content
u_content = content.decode(enc) # decodes from enc to unicode
utf8_content = u_content.encode("utf8")

Python中的Unicode解码错误

1 个答案: