Question

我在C程序中嵌入了Python解释器。假设C程序从文件中读取一些字节到char数组，并且（以某种方式）学习字节表示具有特定编码的文本（例如，ISO 8859-1，Windows-1252或UTF-8）。如何将此char数组的内容解码为Python字符串？

Python字符串通常应为unicode类型 - 例如，Windows-1252编码输入中的0x93变为u'\u0201c'。

我试图使用PyString_Decode，但是当字符串中存在非ASCII字符时，它总是会失败。这是一个失败的例子：

#include <Python.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
     char c_string[] = { (char)0x93, 0 };
     PyObject *py_string;

     Py_Initialize();

     py_string = PyString_Decode(c_string, 1, "windows_1252", "replace");
     if (!py_string) {
          PyErr_Print();
          return 1;
     }
     return 0;
}

错误消息为UnicodeEncodeError: 'ascii' codec can't encode character u'\u201c' in position 0: ordinal not in range(128)，表示即使我们在ascii的调用中指定windows_1252，也会使用PyString_Decode编码。

以下代码通过使用PyString_FromString创建未解码字节的Python字符串，然后调用其decode方法来解决此问题：

#include <Python.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
     char c_string[] = { (char)0x93, 0 };
     PyObject *raw, *decoded;

     Py_Initialize();

     raw = PyString_FromString(c_string);
     printf("Undecoded: ");
     PyObject_Print(raw, stdout, 0);
     printf("\n");
     decoded = PyObject_CallMethod(raw, "decode", "s", "windows_1252");
     Py_DECREF(raw);
     printf("Decoded: ");
     PyObject_Print(decoded, stdout, 0);
     printf("\n");
     return 0;
}

Answer 1

PyString_Decode执行此操作：

PyObject *PyString_Decode(const char *s,
              Py_ssize_t size,
              const char *encoding,
              const char *errors)
{
    PyObject *v, *str;

    str = PyString_FromStringAndSize(s, size);
    if (str == NULL)
    return NULL;
    v = PyString_AsDecodedString(str, encoding, errors);
    Py_DECREF(str);
    return v;
}

IOW，它基本上完成了你在第二个例子中所做的事情 - 转换为字符串，然后解码字符串。这里的问题来自PyString_AsDecodedString，而不是PyString_AsDecodedObject。 PyString_AsDecodedString执行PyString_AsDecodedObject，但随后尝试将生成的unicode对象转换为具有默认编码的字符串对象（对于您来说，看起来就像是ASCII）。那就是它失败的地方。

我相信你需要做两次调用 - 但你可以使用PyString_AsDecodedObject而不是调用python“decode”方法。类似的东西：

#include <Python.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
     char c_string[] = { (char)0x93, 0 };
     PyObject *py_string, *py_unicode;

     Py_Initialize();

     py_string = PyString_FromStringAndSize(c_string, 1);
     if (!py_string) {
          PyErr_Print();
          return 1;
     }
     py_unicode = PyString_AsDecodedObject(py_string, "windows_1252", "replace");
     Py_DECREF(py_string);

     return 0;
}

我不完全确定PyString_Decode以这种方式工作的原因是什么。 very old thread on python-dev似乎表明它与链接输出有关，但由于Python方法没有这样做，我不确定它是否仍然相关。

Answer 2

您不希望将字符串解码为Unicode表示形式，您只想将其视为字节数组，对吗？

只需使用PyString_FromString：

char *cstring;
PyObject *pystring = PyString_FromString(cstring);

这就是全部。现在你有了一个Python str()对象。请参阅此处的文档：https://docs.python.org/2/c-api/string.html

我对如何指定“str”或“unicode”感到有点困惑。如果您有非ASCII字符，它们会完全不同。如果你想解码一个C字符串和你确切知道它所在的字符集，那么是的，PyString_DecodeString是一个很好的起点。

Answer 3

尝试在“if (!py_string)”子句中调用PyErr_Print()。也许python异常会给你更多的信息。

如果字符串中有非ASCII字符，如何将C字符串（char数组）转换为Python字符串？

3 个答案: