我正在编写一个 Python (Python 3.3) 程序,使用 POST 方法将一些数据发送到网页。主要用于调试过程,我获取页面结果并将其显示在屏幕上使用print()
功能。
代码是这样的:
conn.request("POST", resource, params, headers)
response = conn.getresponse()
print(response.status, response.reason)
data = response.read()
print(data.decode('utf-8'));
the HTTPResponse
.read()
方法返回一个bytes
对页面进行编码的元素(这是一个格式良好的 UTF-8 文档) 看起来还不错,直到我停止使用 Windows 的 IDLE GUI 并改用 Windows 控制台。返回的页面有一个 U+2014 字符(em-dash),打印函数在 Windows GUI 中可以很好地转换该字符(我假设代码页 1252),但在 Windows 控制台(代码页 850)中却不能。鉴于strict
默认行为我收到以下错误:
UnicodeEncodeError: 'charmap' codec can't encode character '\u2014' in position 10248: character maps to <undefined>
我可以使用这个相当丑陋的代码来修复它:
print(data.decode('utf-8').encode('cp850','replace').decode('cp850'))
现在它将有问题的字符“—”替换为?
。这不是理想的情况(连字符应该是更好的替代品),但足以满足我的目的。
我的解决方案中有几处是我不喜欢的。
- 经过所有的解码、编码和解码,代码变得丑陋。
- 它仅解决了本例的问题。如果我将程序移植到使用其他编码(latin-1、cp437、返回 cp1252 等)的系统,它应该识别目标编码。它不是。 (例如,当再次使用 IDLE GUI 时,emdash 也会丢失,这以前没有发生过)
- 如果将破折号翻译为连字符而不是审讯爆炸,那就更好了。
问题不在于破折号(我可以想出几种方法来解决这个特定问题),但我需要编写健壮的代码。我正在向页面提供来自数据库的数据,并且该数据可以返回。我可以预见许多其他冲突的情况:“Á”U+00c1(在我的数据库中可能)可以转换为 CP-850(西欧语言的 DOS/Windows 控制台编码),但不能转换为 CP-437(美国编码)英语,许多 Windows 安装中的默认设置)。
那么,问题是:
是否有更好的解决方案使我的代码与输出接口编码无关?