Question

我有一个非文字字符串，可以通过编程方式从在线打印文档的标题中获取。

当我尝试将其提交给MongoDB时，我得到：

bson.errors.InvalidStringData: strings in documents must be valid UTF-8: 'wxPython: Windows Styles and Events Hunter \xab The Mouse Vs. The Python'

字符串检索代码：

for printStats in printers:

    handle = win32print.OpenPrinter(printStats[2])
    queued = win32print.EnumJobs(handle, 0, -1, 1)

    for printJob in queued:

        username = printJob['pUserName']
        computer = printJob['pMachineName']
        document = printJob['pDocument']
        identity = printJob['JobId']
        jobstate = printJob['Status']

print document
> "wxPython: Windows Styles and Events Hunter « The Mouse Vs. The Python"

Answer 1

编码的默认模式是'strict'，这会引发错误。

>>> s = u"wxPython: Windows Styles and Events Hunter « The Mouse Vs. The Python"
>>> s.encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xab' in position 43: ordinal not in range(128)

如果您的数据库只接受ASCII，您别无选择，只能进行有损编码。在'ignore'模式下，将跳过所有无法编码的字节：

 >>> s.encode('ascii', 'ignore')
'wxPython: Windows Styles and Events Hunter  The Mouse Vs. The Python'

在'replace'模式下，它们被替换为？字符：

 >>> s.encode('ascii', 'replace')
'wxPython: Windows Styles and Events Hunter ? The Mouse Vs. The Python'

最后，有'xmlcharrefreplace'：

>>> s.encode('ascii', 'xmlcharrefreplace')
'wxPython: Windows Styles and Events Hunter &#171; The Mouse Vs. The Python'

Answer 2

根据你在其他答案中的评论，我可以看到你得到的错误是：

«

由于\xab编码为document = printJob['pDocument'].decode("latin-1") >>> print type(document) <type 'unicode'>，这意味着该字符串可能编码为iso-8995-1，iso-8995-15，windows-1252 / latin-1。这很可能与您机器的区域设置有关。

你只需要在传递给MongoDB之前对其进行解码，MongoDB支持Unicode字符串（在断言时不限于ASCII）：

document

您现在可以将mbcs传递给Python MongoDB驱动程序。

要使代码具有可移植性，您可以使用编解码器别名mbcs（代替＆＃39; latin-1＆＃39;）。 var noTitle = div.SelectSingleNode(".//h3"); if (noTitle == null || string.IsNullOrEmpty((noTitle.InnerText ?? "").Trim())) newGame.Title = "Unavailable"; else newGame.Title = div.SelectSingleNode(".//h3").InnerText.Trim();会自动转换为配置的Windows区域设置（感谢@roeland）

win32print结果的字符串编码

2 个答案: