jak odszyfrować znak non-unicode w python?

Question

Mam ciąg powiedzieć s = 'Chocolate Moelleux-M\xe8re' Kiedy robię:

In [14]: unicode(s) 
--------------------------------------------------------------------------- 
UnicodeDecodeError      Traceback (most recent call last) 
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe8 in position 20: ordinal not in range(128) 

Podobnie gdy próbuję rozszyfrować to za pomocą s.decode() powraca ten sam błąd.

In [13]: s.decode() 
--------------------------------------------------------------------------- 
UnicodeDecodeError      Traceback (most recent call last) 
UnicodeDecodeError: 'ascii' codec can't decode byte 0xe8 in position 20: ordinal not in range(128) 

Jak rozszyfrować taki ciąg w Unicode.

Answer 1

musiałem zmierzyć się z tym problem Jeden zbyt wiele razy. Problem polegający na tym, że zawierałem ciągi znaków w różnych schematach kodowania. Napisałem więc metodę dekodowania łańcucha heurystycznie opartego na pewnych cechach różnych kodowań.

def decode_heuristically(string, enc = None, denc = sys.getdefaultencoding()): 
    """ 
    Try to interpret 'string' using several possible encodings. 
    @input : string, encode type. 
    @output: a list [decoded_string, flag_decoded, encoding] 
    """ 
    if isinstance(string, unicode): return string, 0, "utf-8" 
    try: 
     new_string = unicode(string, "ascii") 
     return string, 0, "ascii" 
    except UnicodeError: 
     encodings = ["utf-8","iso-8859-1","cp1252","iso-8859-15"] 

     if denc != "ascii": encodings.insert(0, denc) 

     if enc: encodings.insert(0, enc) 

     for enc in encodings: 
      if (enc in ("iso-8859-15", "iso-8859-1") and 
       re.search(r"[\x80-\x9f]", string) is not None): 
       continue 

      if (enc in ("iso-8859-1", "cp1252") and 
       re.search(r"[\xa4\xa6\xa8\xb4\xb8\xbc-\xbe]", string)\ 
       is not None): 
       continue 

      try: 
       new_string = unicode(string, enc) 
      except UnicodeError: 
       pass 
      else: 
       if new_string.encode(enc) == string: 
        return new_string, 0, enc 

     # If unable to decode,doing force decoding i.e.neglecting those chars. 
     output = [(unicode(string, enc, "ignore"), enc) for enc in encodings] 
     output = [(len(new_string[0]), new_string) for new_string in output] 
     output.sort() 
     new_string, enc = output[-1][1] 
     return new_string, 1, enc 

Aby dodać do tego ten link daje dobre opinie o tym, dlaczego kodowanie itp - Why we need sys.setdefaultencoging in py script

Answer 2

Trzeba powiedzieć s.decode kodowanie. W twoim przypadku s.decode('latin-1') wydaje się pasować.