在Python中使用哪种编码来读取意大利语文本？

Question

我正在使用Python工具开发visualstudio，并阅读了一些用意大利语编写的文件。尝试过iso-8859-1、iso-8859-2、utf-8、utf-8-sig。记事本++以不带BOM的UTF-8格式打开文件。在

content = fp.read()
words = content.decode("utf-8-sig").lower().split()
for w in words:
    p=''
    cur.execute('SELECT word FROM  multiwordnet.italian_lemma l, multiwordnet.italian_synset s where l.id = s.id and l.lemma="%s"' % w) 

导致崩溃的字符串是C'è。（读取为"c\'\xe3\xa8"）

使用chardet没有帮助

^{pr2}$

Answer 1

假设数据库的绑定变量样式是format。。。在

content = fp.read()
words = content.decode("utf-8-sig").lower().split()
for w in words:
    p=''
    cur.execute('SELECT word FROM ' +
                'multiwordnet.italian_lemma l, ' +
                'multiwordnet.italian_synset s ' +
                'where l.id = s.id and l.lemma=%s', w)

注意，我们没有在SQL字符串和传入的变量之间使用%运算符，也没有在%s周围加上内引号；%s是一个占位符，用来标识在SQL中该单词应该被替换的位置，我们将作为单独的参数传递要替换占位符的值。遵循这种做法不仅可以防止您需要处理编码问题（如果您的参数是作为Python Unicode字符串传递的，那么数据库绑定负责从那里获取它），而且还可以防止SQL injection安全漏洞。在

Python的其他数据库库可能使用不同的占位符样式；请阅读文档或检查模块级别的paramstyle常量。（对于qmark您的占位符应该是?；对于numeric，它应该是冒号前缀的数字（:1代表第一个参数，:2代表第二个参数，依此类推）