UnicodeDecodeError：“ascii”编解码器无法解码位置 1 的字节 0xef

Posted 2023-02-24

【中文标题】UnicodeDecodeError：“ascii”编解码器无法解码位置 1 的字节 0xef

【英文标题】：UnicodeDecodeError: 'ascii' codec can't decode byte 0xef in position 1

【发布时间】：2012-05-20 16:10:15

【问题描述】：

我在尝试将字符串编码为 UTF-8 时遇到了一些问题。我尝试了很多东西，包括使用string.encode('utf-8') 和unicode(string)，但我得到了错误：

：序数不在范围内 (128)

这是我的字符串：

(｡･ω･｡)ﾉ

我不知道出了什么问题，知道吗？

编辑：问题是按原样打印字符串不能正确显示。另外，当我尝试转换它时出现这个错误：

Python 2.7.1+ (r271:86832, Apr 11 2011, 18:13:53)
[GCC 4.5.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> s = '(\xef\xbd\xa1\xef\xbd\xa5\xcf\x89\xef\xbd\xa5\xef\xbd\xa1)\xef\xbe\x89'
>>> s1 = s.decode('utf-8')
>>> print s1
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 1-5: ordinal not in range(128)

【问题讨论】：

这只是一个正常插入的字符串。当我尝试打印它时也会发生同样的情况。

我在 pip install 时遇到了同样的情况，并从这里修复它：[install some devel][1] [1]: ***.com/questions/17931726/…

【参考方案1】：

这与您的终端编码未设置为 UTF-8 有关。这是我的终端

$ echo $LANG
en_GB.UTF-8
$ python
Python 2.7.3 (default, Apr 20 2012, 22:39:59) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> s = '(\xef\xbd\xa1\xef\xbd\xa5\xcf\x89\xef\xbd\xa5\xef\xbd\xa1)\xef\xbe\x89'
>>> s1 = s.decode('utf-8')
>>> print s1
(｡･ω･｡)ﾉ
>>> 

在我的终端上，该示例适用于上述示例，但如果我摆脱 LANG 设置，它将无法正常工作

$ unset LANG
$ python
Python 2.7.3 (default, Apr 20 2012, 22:39:59) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> s = '(\xef\xbd\xa1\xef\xbd\xa5\xcf\x89\xef\xbd\xa5\xef\xbd\xa1)\xef\xbe\x89'
>>> s1 = s.decode('utf-8')
>>> print s1
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode characters in position 1-5: ordinal not in range(128)
>>> 

请查阅您的 linux 变体的文档，了解如何使此更改永久生效。

【讨论】：

缺少语言环境也可能是一个原因。要安装它们，请运行 sudo apt-get install language-pack-de 或 sudo locale-gen de_DE.UTF-8（对于德语区域设置）。

对我来说，缺少的环境变量是LC_ALL，最简单的修复它的值是C.UTF-8

【参考方案2】：

尝试：

string.decode('utf-8')  # or:
unicode(string, 'utf-8')

编辑：

'(\xef\xbd\xa1\xef\xbd\xa5\xcf\x89\xef\xbd\xa5\xef\xbd\xa1)\xef\xbe\x89'.decode('utf-8') 给出u'(\uff61\uff65\u03c9\uff65\uff61)\uff89'，这是正确的。

所以你的问题一定出在其他地方，如果你试图用它做一些事情，那么有一个隐式转换正在进行（可能是打印，写入流......）

要说更多，我们需要看一些代码。

【讨论】：

两者都返回UnicodeEncodeError: 'charmap' codec can't encode characters in position 1-5: character maps to <undefined>

'(\xef\xbd\xa1\xef\xbd\xa5\xcf\x89\xef\xbd\xa5\xef\xbd\xa1)\xef\xbe\x89'

我要做的就是以原始格式打印原始字符串，但我得到了(´¢í´¢Ñ¤ë´¢Ñ´¢í)´¥ë。

string 是 utf8 编码的。如果你打印它，它只是将字节写入输出流，如果你的终端没有将它解释为 utf8，你最终会得到垃圾。使用 decode 将其转换为 unicode，然后您可以将 encode 再次转换为您的终端可以理解的编码。

【参考方案3】：

我对 mata 在https://***.com/a/10561979/1346705 的评论和 Nick Craig-Wood 的演示 +1。您已正确解码字符串。问题在于 print 命令，因为它将 Unicode 字符串转换为控制台编码，并且控制台无法显示该字符串。尝试将字符串写入文件并使用一些支持 Unicode 的不错的编辑器查看结果：

import codecs

s = '(\xef\xbd\xa1\xef\xbd\xa5\xcf\x89\xef\xbd\xa5\xef\xbd\xa1)\xef\xbe\x89'
s1 = s.decode('utf-8')
f = codecs.open('out.txt', 'w', encoding='utf-8')
f.write(s1)
f.close()

然后你会看到(｡･ω･｡)ﾉ。

【参考方案4】：

如果您在远程主机上工作，请在您的本地PC上查看/etc/ssh/ssh_config。

当这个文件包含一行时：

SendEnv LANG LC_*

在行首添加# 将其注释掉。这可能会有所帮助。

通过这一行，ssh 将您 PC 的语言相关环境变量发送到 remote 主机。它会导致很多问题。

【讨论】：

谢谢！这些解决了我用 ansible 和 vagrant 安装 pip 包的问题

【参考方案5】：

尝试在脚本开始时将系统默认编码设置为utf-8，以便所有字符串都使用该编码。

# coding: utf-8
import sys
reload(sys)
sys.setdefaultencoding('utf-8')

【讨论】：

为什么在这种情况下我们需要重新加载？

这在 Python 3 中作为 explained here 不起作用。对我来说，Tsutomu's answer below 成功了。

【参考方案6】：

按照Andrei Krasutski 的建议，可以在脚本顶部使用以下代码。

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

但我建议您在脚本的最顶部添加 # -*- coding: utf-8 -* 行。

当我尝试执行 basic.py 时，忽略它会引发以下错误。

$ python basic.py
  File "01_basic.py", line 14
SyntaxError: Non-ASCII character '\xd9' in file basic.py on line 14, but no encoding declared; see http://python.org/dev/peps/pep-0263/ for details

以下是basic.py 中的代码，它会引发上述错误。

有错误的代码

from pylatex import Document, Section, Subsection, Command, Package
from pylatex.utils import italic, NoEscape

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

def fill_document(doc):
    with doc.create(Section('ِش سثؤفهخى')):
        doc.append('إخع ساخعمي شمصشغس سحثشن فاث فقعفا')
        doc.append(italic('فشمهؤ ؤخىفثىفس شقث شمسخ ىهؤث'))

        with doc.create(Subsection('آثص ٍعلاسثؤفهخى')):
            doc.append('بشةخعس ؤقشئغ ؤاشقشؤفثقس: $&#')


if __name__ == '__main__':
    # Basic document
    doc = Document('basic')
    fill_document(doc)

然后我在最顶部添加# -*- coding: utf-8 -*- 行并执行。它奏效了。

代码没有错误

# -*- coding: utf-8 -*-
from pylatex import Document, Section, Subsection, Command, Package
from pylatex.utils import italic, NoEscape

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

def fill_document(doc):
    with doc.create(Section('ِش سثؤفهخى')):
        doc.append('إخع ساخعمي شمصشغس سحثشن فاث فقعفا')
        doc.append(italic('فشمهؤ ؤخىفثىفس شقث شمسخ ىهؤث'))

        with doc.create(Subsection('آثص ٍعلاسثؤفهخى')):
            doc.append('بشةخعس ؤقشئغ ؤاشقشؤفثقس: $&#')


if __name__ == '__main__':
    # Basic document
    doc = Document('basic')
    fill_document(doc)

谢谢。

【讨论】：

使用#coding: utf-8 而不是# -*- coding: utf-8 -*- 这更容易记住。使用 Python PEP 263 -- Defining Python Source Code Encodings 开箱即用。

感谢您的建议。将在我的最后尝试并在答案中更新它。

【参考方案7】：

我的终端没有问题。以上答案帮助我找到了正确的方向，但直到我添加了'ignore'：

fix_encoding = lambda s: s.decode('utf8', 'ignore')

如以下评论所示，这可能会导致不良结果。 OTOH，它也可以很好地发挥作用，让事情正常进行，而且你不在乎失去一些角色。

【讨论】：

这是错误的，你强迫你的编码 lambda 函数忽略编码本身，这意味着你正在丢失字符。

这解决了我的问题，我不知道原始编码并且我不在乎丢失一些字符。

【参考方案8】：

这适用于 ubuntu 15.10：

sudo locale-gen "en_US.UTF-8"
sudo dpkg-reconfigure locales

【参考方案9】：

看起来你的字符串被编码为utf-8，那么到底是什么问题？或者你想在这里做什么..？

Python 2.7.3 (default, Apr 20 2012, 22:39:59) 
[GCC 4.6.3] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> s = '(\xef\xbd\xa1\xef\xbd\xa5\xcf\x89\xef\xbd\xa5\xef\xbd\xa1)\xef\xbe\x89'
>>> s1 = s.decode('utf-8')
>>> print s1
(｡･ω･｡)ﾉ
>>> s2 = u'(｡･ω･｡)ﾉ'
>>> s2 == s1
True
>>> s2
u'(\uff61\uff65\u03c9\uff65\uff61)\uff89'

【讨论】：

按原样打印原始字符串会得到(´¢í´¢Ñ¤ë´¢Ñ´¢í)´¥ë，我希望它能够正确编码。

【参考方案10】：

就我而言，这是由于我的 Unicode 文件与“BOM”一起保存造成的。为了解决这个问题，我使用 BBEdit 打开文件，并选择了“另存为...”来选择编码“Unicode (UTF-8)”，而不是“Unicode (UTF-8, with BOM)”。 "

【参考方案11】：

我遇到了相同类型的错误，我发现控制台无法以另一种语言显示字符串。因此，我进行了以下代码更改以将 default_charset 设置为 UTF-8。

data_head = [('\x81\xa1\x8fo\x89\xef\x82\xa2\x95\xdb\x8f\xd8\x90\xa7\x93x\x81\xcb3\x8c\x8e\x8cp\x91\xb1\x92\x86(\x81\x86\x81\xde\x81\x85)\x81\xa1\x8f\x89\x89\xf1\x88\xc8\x8aO\x81A\x82\xa8\x8b\xe0\x82\xcc\x90S\x94z\x82\xcd\x88\xea\x90\xd8\x95s\x97v\x81\xa1\x83\x83b\x83v\x82\xcc\x82\xa8\x8e\x8e\x82\xb5\x95\xdb\x8c\xaf\x82\xc5\x8fo\x89\xef\x82\xa2\x8am\x92\xe8\x81\xa1', 'shift_jis')]
default_charset = 'UTF-8' #can also try 'ascii' or other unicode type
print ''.join([ unicode(lin[0], lin[1] or default_charset) for lin in data_head ])

【参考方案12】：

这是最好的答案： https://***.com/a/4027726/2159089

在 Linux 中：

export PYTHONIOENCODING=utf-8

所以sys.stdout.encoding 没问题。

【参考方案13】：

BOM，对我来说经常是 BOM

vi 文件，使用

:set nobomb

并保存。在我的情况下，这几乎总是能解决它

【参考方案14】：

我遇到了同样的错误，网址包含非 ascii 字符（值 > 128 的字节）

url = url.decode('utf8').encode('utf-8')

为我工作，在 Python 2.7 中，我想这个赋值改变了 str 内部表示中的“某些东西”——即，它强制正确解码 url 中的支持字节序列，最后将字符串放入一个 utf-8 str，所有的魔法都在正确的地方。 Python 中的 Unicode 对我来说是黑魔法。 希望有用

【参考方案15】：

我用 'ENGINE': 'django.db.backends.mysql' 解决了在文件 settings.py 中更改的问题，不要使用 'ENGINE': 'mysql.connector.django'，

【讨论】：

@rayryeng 你能解释一下你编辑的原因吗？它似乎完全改变了 OP 所写内容的含义，从推荐特定设置到推荐 反对。

@AndrewMedico - 我很抱歉。我看到这个帖子和另一个帖子非常相似，所以我相信它们是一样的。我会回来的。

【参考方案16】：

只需使用str() 将文本显式转换为字符串。为我工作。