Question

我正在使用 utf-8 编码的应用程序。出于调试目的，我需要打印文本。如果我直接将print()与包含我的unicode字符串的变量一起使用，例如print(pred_str)。

我收到此错误：

UnicodeEncodeError：'charmap'编解码器无法在位置0编码字符'\ ufeff'：字符映射到

所以我尝试了print(pred_str.encode('utf-8'))，我的输出看起来像这样：

b'\xef\xbb\xbfpudgala-dharma-nair\xc4\x81tmyayo\xe1\xb8\xa5 apratipanna-vipratipann\xc4\x81n\xc4\x81m' b'avipar\xc4\xabta-pudgala-dharma-nair\xc4\x81tmya-pratip\xc4\x81dana-artham' b'tri\xe1\xb9\x83\xc5\x9bik\xc4\x81-vij\xc3\xb1apti-prakara\xe1\xb9\x87a-\xc4\x81rambha\xe1\xb8\xa5' b'pudgala-dharma-nair\xc4\x81tmya-pratip\xc4\x81danam punar kle\xc5\x9ba-j\xc3\xb1eya-\xc4\x81vara\xe1\xb9\x87a-prah\xc4\x81\xe1\xb9\x87a-artham'

但是，我希望我的输出看起来像这样：

pudgala-dharma-nairātmyayoḥ apratipanna-vipratipannānām aviparīta-pudgala-dharma-nairātmya-pratipādana-artham triṃśikā-vijñapti-prakaraṇa-ārambhaḥ pudgala-dharma-nairātmya-pratipādanam punar kleśa-jñeya-āvaraṇa-prahāṇa-artham

如果我使用以下方式将字符串保存在文件中：

with codecs.open('out.txt', 'w', 'UTF-8') as f:
    f.write(pred_str)

它将按预期方式保存字符串。

Answer 1

您的数据使用“ UTF-8-SIG”编解码器编码，有时会在Microsoft环境中使用。

此UTF-8变体为编码文本加上byte order mark '\xef\xbb\xbf'前缀，以使应用程序与其他编码相比更易于检测UTF-8编码文本。

您可以像这样解码字节串：

>>> bs = b'\xef\xbb\xbfpudgala-dharma-nair\xc4\x81tmyayo\xe1\xb8\xa5 apratipanna-vipratipann\xc4\x81n\xc4\x81m'
>>> text = bs.decode('utf-8-sig')
>>> print(text)                                                                                                         
pudgala-dharma-nairātmyayoḥ apratipanna-vipratipannānām

要从文件中读取此类数据：

with open('myfile.txt', 'r', encoding='utf-8-sig') as f:
    text = f.read()

请注意，即使从UTF-8-SIG解码后，您仍可能无法打印数据，因为控制台的默认代码页可能无法对数据中的其他非ASCII字符进行编码。在这种情况下，您将需要adjust your console settings支持UTF-8。

Answer 2

尝试此代码：

if pred_str.startswith('\ufeff'):
    pred_str = pred_str.split('\ufeff')[1]

UnicodeEncodeError：'charmap'编解码器无法在位置0编码字符'\ ufeff'：字符映射到<undefined>

2 个答案: