यूनिकोडेकोडकोड: 'लैटिन -1' कोडेक वर्ण को एनकोड नहीं कर सकता है


95

जब मैं डेटाबेस में एक विदेशी चरित्र सम्मिलित करने का प्रयास करता हूं तो यह त्रुटि क्या हो सकती है?

>>UnicodeEncodeError: 'latin-1' codec can't encode character u'\u201c' in position 0: ordinal not in range(256)

और मैं इसे कैसे हल करूं?

धन्यवाद!


40
db = MySQLdb.connect (host = "localhost", user = "root", passwd = "", db = "testdb", use_unicode = True, charset = "utf8")
KyungHoon Kim

वाह, @KyungHoonKim तुमने मेरी जान बचाई! ऊपर तुम जाओगे !
फ्लोरियन डॉयेन

जवाबों:


66

अक्षर U + 201C लेफ्ट डबल कोटेशन मार्क लैटिन -1 (ISO-8859-1) एन्कोडिंग में मौजूद नहीं है।

यह है कोड पेज 1252 (पश्चिमी यूरोपीय) में मौजूद। यह एक विंडोज-विशिष्ट एन्कोडिंग है जो ISO-8859-1 पर आधारित है लेकिन जो अतिरिक्त वर्णों को 0x80-0x9F की सीमा में रखता है। कोड पृष्ठ 1252 अक्सर ISO-8859-1 के साथ भ्रमित होता है, और यह एक कष्टप्रद लेकिन अब-मानक वेब ब्राउज़र व्यवहार है कि यदि आप अपने पृष्ठों को ISO-8859-1 के रूप में सेवा देते हैं, तो ब्राउज़र उन्हें cp1252 के बजाय व्यवहार करेगा। हालांकि, वे वास्तव में दो अलग-अलग एनकोडिंग हैं:

>>> u'He said \u201CHello\u201D'.encode('iso-8859-1')
UnicodeEncodeError
>>> u'He said \u201CHello\u201D'.encode('cp1252')
'He said \x93Hello\x94'

यदि आप अपने डेटाबेस का उपयोग केवल बाइट स्टोर के रूप में कर रहे हैं, तो आप एन्कोड करने के लिए cp1252 का उपयोग कर सकते हैं Windows 12 कोड कोड में मौजूद अन्य वर्णों । लेकिन फिर भी अन्य यूनिकोड वर्ण जो cp1252 में मौजूद नहीं हैं, त्रुटियों का कारण बनेंगे।

आप encode(..., 'ignore')वर्णों से छुटकारा पाकर त्रुटियों को दबाने के लिए उपयोग कर सकते हैं , लेकिन वास्तव में इस शताब्दी में आपको अपने डेटाबेस और अपने पृष्ठों दोनों में यूटीएफ -8 का उपयोग करना चाहिए। यह एन्कोडिंग किसी भी वर्ण का उपयोग करने की अनुमति देता है। आपको आदर्श रूप से MySQL को यह भी बताना चाहिए कि आप UTF-8 स्ट्रिंग्स का उपयोग कर रहे हैं (डेटाबेस कनेक्शन और स्ट्रिंग कॉलम पर टकराव को सेट करके), इसलिए यह केस-असंवेदनशील तुलना और सही छँटाई प्राप्त कर सकता है।


1
cp1252ISO-8859-1 का सख्त सुपरसेट नहीं है? यानी जब ब्राउज़रों को ISO-8859-1 पृष्ठ प्राप्त होता है, तो वे इसे रेंडर कर सकते हैं जैसे कि यह CP1252 था क्योंकि इस सीमा से कोई भी वर्ण नहीं होगा 0x80-0x9F
MSALERS

3
नहीं, बाइट्स 0x80–0x9F में ISO-8859-1 में वास्तविक असाइनमेंट हैं, जो cp1252 के अतिरिक्त द्वारा ओवरराइड किए जाते हैं, इसलिए यह सुपरसेट नहीं है। वे यूनिकोड वर्णों U + 0080-U + 009F, जो कि नियंत्रण वर्णों का चयन हैं, के बिल्कुल समान हैं। वे ऐसे पात्रों को नियंत्रित करते हैं जिनका बहुत अधिक उपयोग नहीं किया जाता है यही कारण है कि ब्राउज़र इससे दूर हो गए, लेकिन जब आप बाइट्स-यूनिकोड के दृश्यों को परिवर्तित करने का प्रयास कर रहे हैं तो यह कष्टप्रद है।
बॉबिन

एकमात्र समय जो मैंने कभी-कभी U-0080-U + 009F श्रेणी में वर्णों को एक फ़ाइल में देखा है, जिसे ISO-8859-1 या UTF-8 के रूप में कूटबद्ध किया गया है, जिसके परिणामस्वरूप कुछ जोकर cp850 में एन्कोडेड थे फ़ाइलों के एक समूह को समेटते हुए कुछ जोकर और फिर परिणामी गड़बड़ी को "लैटिन 1" से यूटीएफ -8 में ट्रांसकोड करना। ड्राफ्ट HTML5 कल्पना बहुत ही व्यावहारिक ब्राउज़र व्यवहार (और इसी तरह के मामलों का एक पूरा गुच्छा) को पवित्र करने पर विचार कर रही है - देखें whatwg.org/specs/web-apps/current-work/multipage/…
जॉन

94

पायथन MySQLdb मॉड्यूल का उपयोग करते समय मैं इसी मुद्दे में भाग गया। चूंकि MySQL आपको किसी भी द्विआधारी डेटा के बारे में स्टोर करने देगा जो आप किसी पाठ क्षेत्र में चरित्र सेट की परवाह किए बिना चाहते हैं, मुझे यहां मेरा समाधान मिला:

Python MySQLdb के साथ UTF8 का उपयोग करना

संपादित करें: पहली टिप्पणी में अनुरोध को पूरा करने के लिए उपरोक्त URL से उद्धरण ...

"यूनिकोडेकोडकोड: 'लैटिन -1' कोडक कैरेक्टर को एनकोड नहीं कर सकता ..."

ऐसा इसलिए है क्योंकि MySQLdb आम तौर पर लैटिन -१ में एंथिन को एनकोड करने की कोशिश करता है। यह कनेक्शन ठीक करने के बाद आपको निम्न आदेशों को निष्पादित करके ठीक किया जा सकता है:

db.set_character_set('utf8')
dbc.execute('SET NAMES utf8;')
dbc.execute('SET CHARACTER SET utf8;')
dbc.execute('SET character_set_connection=utf8;')

"db" का परिणाम है MySQLdb.connect(), और "dbc" का परिणाम है db.cursor()


1
यह सुझाव दिया जाता है कि उत्तर में एक लिंक किए गए आइटम का प्रासंगिक हिस्सा प्रदान किया जाता है। अतिरिक्त पढ़ने के लिए लिंक बहुत अच्छा है, लेकिन कृपया अपने उत्तर में एक कार्यकारी सारांश में पॉप करने की कोशिश करें :)
Fluffeh

@Fluffeh और ऐसा था।
कैटशॉज़

1
महान धन्यवाद, 1000 अन्य चीजों की कोशिश करने के बाद एक आकर्षण की तरह काम किया।
Juergen Riemer

2
केवल db.set_character_set ('utf8') को समस्या का समाधान करना चाहिए
पांडुरंग पाटिल

21

सबसे अच्छा उपाय है

  1. mysql के सेट को 'utf-8' में सेट करें
  2. इस टिप्पणी को पसंद करें (जोड़ें use_unicode=Trueऔर charset="utf8")

    db = MySQLdb.connect (host = "localhost", user = "root", passwd = "", db = "testdb", use_unicode = True, charset = "utf8") - KyungHoon Kim Mar 13 '14 17:04 पर 17:04 पर

विस्तार से देखें:

class Connection(_mysql.connection):

    """MySQL Database Connection Object"""

    default_cursor = cursors.Cursor

    def __init__(self, *args, **kwargs):
        """

        Create a connection to the database. It is strongly recommended
        that you only use keyword parameters. Consult the MySQL C API
        documentation for more information.

        host
          string, host to connect

        user
          string, user to connect as

        passwd
          string, password to use

        db
          string, database to use

        port
          integer, TCP/IP port to connect to

        unix_socket
          string, location of unix_socket to use

        conv
          conversion dictionary, see MySQLdb.converters

        connect_timeout
          number of seconds to wait before the connection attempt
          fails.

        compress
          if set, compression is enabled

        named_pipe
          if set, a named pipe is used to connect (Windows only)

        init_command
          command which is run once the connection is created

        read_default_file
          file from which default client values are read

        read_default_group
          configuration group to use from the default file

        cursorclass
          class object, used to create cursors (keyword only)

        use_unicode
          If True, text-like columns are returned as unicode objects
          using the connection's character set.  Otherwise, text-like
          columns are returned as strings.  columns are returned as
          normal strings. Unicode objects will always be encoded to
          the connection's character set regardless of this setting.

        charset
          If supplied, the connection character set will be changed
          to this character set (MySQL-4.1 and newer). This implies
          use_unicode=True.

        sql_mode
          If supplied, the session SQL mode will be changed to this
          setting (MySQL-4.1 and newer). For more details and legal
          values, see the MySQL documentation.

        client_flag
          integer, flags to use or 0
          (see MySQL docs or constants/CLIENTS.py)

        ssl
          dictionary or mapping, contains SSL connection parameters;
          see the MySQL documentation for more details
          (mysql_ssl_set()).  If this is set, and the client does not
          support SSL, NotSupportedError will be raised.

        local_infile
          integer, non-zero enables LOAD LOCAL INFILE; zero disables

        autocommit
          If False (default), autocommit is disabled.
          If True, autocommit is enabled.
          If None, autocommit isn't set and server default is used.

        There are a number of undocumented, non-standard methods. See the
        documentation for the MySQL C API for some hints on what they do.

        """

1
इस उत्तर को और अधिक बढ़ाने की जरूरत है। यह एक साफ समाधान है, जो अनावश्यक एन्कोडिंग ओवरहेड्स की आवेदन परत को साफ करता है।
yeaske

महान! यह वही है जो मैं देख रहा था
गीक

इसके अतिरिक्त, हम सेट करने के लिए बेहतर चाहते utf8mb4mysql के लिए करता है, तो होने emoji, आदि का उल्लेख क्या-है-अंतर-बीच-utf8mb4 और UTF8-वर्णसेट-इन-mysql
चेनी

20

मुझे उम्मीद है कि आपका डेटाबेस कम से कम UTF-8 है। yourstring.encode('utf-8')डेटाबेस में डालने से पहले आपको इसे चलाने की आवश्यकता होगी ।


3

आप \u201cएक कूटबन्धन का उपयोग करके एक यूनिकोड कोडपॉइंट को संग्रहीत करने का प्रयास कर रहे हैं ISO-8859-1 / Latin-1जो उस कोडपॉइंट का वर्णन नहीं कर सकता है। या तो आपको utf-8 का उपयोग करने के लिए डेटाबेस को बदलने और एक उपयुक्त एन्कोडिंग का उपयोग करके स्ट्रिंग डेटा को संग्रहीत करने की आवश्यकता हो सकती है, या आप सामग्री को संग्रहीत करने से पहले अपने इनपुट को सैनिटाइज करना चाह सकते हैं; सैम सैम रूबी के उत्कृष्ट i18n गाइड की तरह कुछ का उपयोग कर । यह उन मुद्दों के बारे में बात करता है जो windows-1252पैदा कर सकता है, और सुझाव देता है कि इसे कैसे संसाधित किया जाए, नमूना कोड के लिए लिंक!


2

SQLAlchemy उपयोगकर्ता बस के रूप में अपने क्षेत्र को निर्दिष्ट कर सकते हैं convert_unicode=True

उदाहरण: sqlalchemy.String(1000, convert_unicode=True)

SQLAlchemy केवल यूनिकोड ऑब्जेक्ट्स को स्वीकार करेगा और उन्हें एन्कोडिंग को हैंडल करते हुए वापस लौटाएगा।

डॉक्स


1

लैटिन -1 (उर्फ आईएसओ 8859-1 ) एक एकल ओकटेट योजना एन्कोडिंग चरित्र है, और आप फिट नहीं कर सकते \u201c( ) एक बाइट में।

क्या आपका मतलब UTF-8 एन्कोडिंग का उपयोग करना था?


1
लैटिन -1 विशिष्ट यूनिकोड वर्णों को कूटबद्ध करता है, बस वह एक नहीं है। इससे कोई फर्क नहीं पड़ता कि कोई बाइट में फिट नहीं हो सकता। windows-1252 एक एकल ओकटेट एन्कोडिंग योजना भी है, और इसमें \ u201c भी शामिल है।
मार्क टॉलेनन

cp1253 (उर्फ विंडोज़ -1253) भी एक एकल ऑक्टेट चरित्र एन्कोडिंग योजना है, और फिर भी \u0391एक बाइट (विशेष रूप से बाइट 193) में ठीक बैठता है। तुम उस पर एक नज़र रखना चाहते हो सकता है ; लोगों ने इसे मददगार पाया है।
tzot 19

यूनिकोड 16-बिट कोड पॉइंट के रूप में लैटिन -1 / cp1253 ग्लिफ़ को शामिल करता है। मुझे आश्चर्य है कि टिप्पणी के दावे पर दावा किया जा रहा है।
msw

1

पाठ को लैटिन से अंग्रेजी में बदलने के लिए नीचे दिए गए स्निपेट का उपयोग करें

import unicodedata
def strip_accents(text):
    return "".join(char for char in
                   unicodedata.normalize('NFKD', text)
                   if unicodedata.category(char) != 'Mn')

strip_accents('áéíñóúü')

उत्पादन:

'Aeinouu'


-3

अजगर: आपको पायथन फ़ाइल की पहली पंक्ति में # - * - कोडिंग: UTF-8 - * - (चारों ओर रिक्त स्थान हटा दें) जोड़ना होगा । और फिर पाठ को एनकोड करने के लिए निम्नलिखित जोड़ें: .encode ('ascii', 'xmlcharrefreplace') । यह सभी यूनिकोड वर्णों को ASCII समकक्ष के साथ बदल देगा।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.