Question

我知道我从Unicode转换有问题，但我不确定它在哪里发生。

我正在从HTML文件目录中提取有关最近Eruopean旅程的数据。某些位置名称具有非ASCII字符（例如é，ô，ü）。我正在使用正则表达式从文件的字符串表示中获取数据。

如果我在找到它们时打印位置，它们会打印出字符，因此编码必须正常：

Le Pré-Saint-Gervais, France
Hôtel-de-Ville, France

我使用SQLAlchemy将数据存储在SQLite表中：

Base = declarative_base()
class Point(Base):
    __tablename__ = 'points'

    id = Column(Integer, primary_key=True)
    pdate = Column(Date)
    ptime = Column(Time)
    location = Column(Unicode(32))
    weather = Column(String(16))
    high = Column(Float)
    low = Column(Float)
    lat = Column(String(16))
    lon = Column(String(16))
    image = Column(String(64))
    caption = Column(String(64))

    def __init__(self, filename, pdate, ptime, location, weather, high, low, lat, lon, image, caption):
        self.filename = filename
        self.pdate = pdate
        self.ptime = ptime
        self.location = location
        self.weather = weather
        self.high = high
        self.low = low
        self.lat = lat
        self.lon = lon
        self.image = image
        self.caption = caption

    def __repr__(self):
        return "<Point('%s','%s','%s')>" % (self.filename, self.pdate, self.ptime)

engine = create_engine('sqlite:///:memory:', echo=False)
Base.metadata.create_all(engine)
Session = sessionmaker(bind = engine)
session = Session()

我遍历文件并将每个文件中的数据插入数据库：

for filename in filelist:

    # open the file and extract the information using regex such as:
    location_re = re.compile("<h2>(.*)</h2>",re.M)
    # extract other data

    newpoint = Point(filename, pdate, ptime, location, weather, high, low, lat, lon, image, caption)
    session.add(newpoint)
    session.commit()

我在每个插页上都看到以下警告：

/usr/lib/python2.5/site-packages/SQLAlchemy-0.5.4p2-py2.5.egg/sqlalchemy/engine/default.py:230: SAWarning: Unicode type received non-unicode bind param value 'Spitalfields, United Kingdom'
  param.append(processors[key](compiled_params[key]))

当我尝试对表格做任何事情，例如：

session.query(Point).all()

我明白了：

Traceback (most recent call last):
  File "./extract_trips.py", line 131, in <module>
    session.query(Point).all()
  File "/usr/lib/python2.5/site-packages/SQLAlchemy-0.5.4p2-py2.5.egg/sqlalchemy/orm/query.py", line 1193, in all
    return list(self)
  File "/usr/lib/python2.5/site-packages/SQLAlchemy-0.5.4p2-py2.5.egg/sqlalchemy/orm/query.py", line 1341, in instances
    fetch = cursor.fetchall()
  File "/usr/lib/python2.5/site-packages/SQLAlchemy-0.5.4p2-py2.5.egg/sqlalchemy/engine/base.py", line 1642, in fetchall
    self.connection._handle_dbapi_exception(e, None, None, self.cursor, self.context)
  File "/usr/lib/python2.5/site-packages/SQLAlchemy-0.5.4p2-py2.5.egg/sqlalchemy/engine/base.py", line 931, in _handle_dbapi_exception
    raise exc.DBAPIError.instance(statement, parameters, e, connection_invalidated=is_disconnect)
sqlalchemy.exc.OperationalError: (OperationalError) Could not decode to UTF-8 column 'points_location' with text 'Le Pré-Saint-Gervais, France' None None

我希望能够正确存储然后返回原始字符完整的位置名称。任何帮助将不胜感激。

Answer 1

我发现这篇文章有助于解释我的麻烦：

http://www.amk.ca/python/howto/unicode#reading-and-writing-unicode-data

我能够通过使用'codecs'模块然后按如下方式更改我的程序来获得所需的结果：

打开文件时：

infile = codecs.open(filename, 'r', encoding='iso-8859-1')

打印位置时：

print location.encode('ISO-8859-1')

我现在可以查询和操作表中的数据而不会出现前面的错误。我只需在输出文本时指定编码。

（我仍然不完全理解这是如何工作的所以我想是时候学习更多关于Python的unicode处理了......）

Answer 2

尝试使用Unicode类型的Unicode类型而不是String作为unicode列：

Base = declarative_base()
class Point(Base):
    __tablename__ = 'points'

    id = Column(Integer, primary_key=True)
    pdate = Column(Date)
    ptime = Column(Time)
    location = Column(Unicode(32))
    weather = Column(String(16))
    high = Column(Float)
    low = Column(Float)
    lat = Column(String(16))
    lon = Column(String(16))
    image = Column(String(64))
    caption = Column(String(64))

编辑：对评论的回应：

如果您收到有关unicode编码的警告，那么您可以尝试两件事：

将您的位置转换为unicode。这意味着你的Point创建如下：

newpoint = Point（文件名，pdate，ptime，unicode（位置），天气，高，低，纬度，经度，图像，标题）

当传递字符串或unicode字符串时，unicode转换将产生一个unicode字符串，因此您不必担心传入的内容。
如果这不能解决编码问题，请尝试在unicode对象上调用encode。这意味着使用如下代码：

newpoint = Point（文件名，pdate，ptime，unicode（位置）.encode（'utf-8'），天气，高，低，纬度，经度，图像，标题）

这个步骤可能不是必需的，但它本质上做的是将unicode对象从unicode代码点转换为特定的字节表示（在本例中为utf-8）。我希望SQLAlchemy在您传入unicode对象时为您执行此操作，但可能不会。

Answer 3

来自sqlalchemy.org

见0.4.2节

为String和添加了新标志 create_engine（） assert _unicode =（True | False |'warn'| None）。默认为False或None 在Unicode类型上创建_engine（）和String，'warn'。什么时候 True，导致所有unicode转换操作引发 a时例外非unicode bytestring作为绑定参数传递。 '警告'结果在一个警告。强烈建议所有unicode知晓应用正确使用Python unicode对象（即u'hello'而不是 '你好'）这样数据就可以准确地进行往返。

我认为您正在尝试输入非unicode字节字符串。也许这可能会让你走上正轨？需要某种形式的转换，比较'hello'和u'hello'。

干杯

SQLAlchemy的Unicode问题

3 个答案: