Question

这很有趣..我正在尝试从openstreetmap读取地理查找数据。执行查询的代码如下所示

params = urllib.urlencode({'q': ",".join([e for e in full_address]), 'format': "json", "addressdetails" : "1"})
query = "http://nominatim.openstreetmap.org/search?%s" % params
print query
time.sleep(5)
response = json.loads(unicode(urllib.urlopen(query).read(), "UTF-8"), encoding="UTF-8")
print response

对Zürich的查询在UTF-8数据上进行了正确的URL编码。这里没有奇迹。

http://nominatim.openstreetmap.org/search?q=Z%C3%BCrich%2CSWITZERLAND&addressdetails=1&format=json

当我打印响应时，带有变音符号的u被编码为latin1（0xFC）

[{u'display_name': u'Z\xfcrich, Bezirk Z\xfcrich, Z\xfcrich, Schweiz, Europe', u'place_id': 588094, u'lon': 8.540443

但这是无稽之谈，因为openstreetmap以UTF-8返回JSON数据

Connecting to nominatim.openstreetmap.org (nominatim.openstreetmap.org)|128.40.168.106|:80... connected.
HTTP request sent, awaiting response... 
  HTTP/1.1 200 OK
  Date: Wed, 26 Jan 2011 13:48:33 GMT
  Server: Apache/2.2.14 (Ubuntu)
  Content-Location: search.php
  Vary: negotiate
  TCN: choice
  X-Powered-By: PHP/5.3.2-1ubuntu4.7
  Access-Control-Allow-Origin: *
  Content-Length: 3342
  Keep-Alive: timeout=15, max=100
  Connection: Keep-Alive
  Content-Type: application/json; charset=UTF-8
Length: 3342 (3.3K) [application/json]

这也是由文件内容确认的，然后我明确地说它在读取和json解析时都是UTF-8。

这里发生了什么？

编辑：显然这是以某种方式搞砸的json.loads。

Answer 1

当我去打印回复时， u与umlaut编码为latin1（0xFC）

你只是误解了输出。它是一个unicode字符串（你可以通过前缀中的u告诉），没有编码“附加” - \ xFC意味着它是带有数字0xFC的代码点，恰好是U-Umlaut（见http://www.fileformat.info/info/unicode/char/fc/index.htm）。发生这种情况的原因是前256个unicode代码点的编号与latin1编码一致。

简而言之，您做的一切都是正确的 - 您拥有一个具有正确内容的unicode对象（与编码无关），您可以通过执行unicodestr.encode选择在使用该内容进行输出时所需的编码（“ utf-8“）或使用编解码器，请参阅http://docs.python.org/howto/unicode.html#reading-and-writing-unicode-data

Answer 2

输出很好。每当您在控制台上打印数据时，Python仅在打印实际字符串时才会对数据进行Unicode封装。如果您打印一个unicode列表，每个unicode字符串将在控制台上显示为其repr（）：

>>> a=u'á'
>>> a
u'\xe1'
>>> print a
á
>>> [a]
[u'\xe1']
>>> print [a]
[u'\xe1']

unicode解码的问题

2 个答案: