win32print结果的字符串编码

Question

我有一个非文本字符串，它是通过编程从联机打印文档的标题中获取的。在

当我试图将其提交到MongoDB时，我得到：

bson.errors.InvalidStringData: strings in documents must be valid UTF-8: 'wxPython: Windows Styles and Events Hunter \xab The Mouse Vs. The Python'

字符串检索代码：

^{pr2}$

Answer 1

编码的默认模式是'strict'，这将抛出一个错误。在

>>> s = u"wxPython: Windows Styles and Events Hunter « The Mouse Vs. The Python"
>>> s.encode('ascii')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xab' in position 43: ordinal not in range(128)

如果您的数据库只接受ASCII，那么您别无选择，只能进行有损编码。在'ignore'模式下，将跳过所有无法编码的字节：

^{pr2}$

在'replace'模式下，它们被替换为？字符：

 >>> s.encode('ascii', 'replace')
'wxPython: Windows Styles and Events Hunter ? The Mouse Vs. The Python'

最后，还有{}：

>>> s.encode('ascii', 'xmlcharrefreplace')
'wxPython: Windows Styles and Events Hunter « The Mouse Vs. The Python'

Answer 2

从你在其他答案中的评论，我可以看出你得到的错误是：

bson.errors.InvalidStringData: strings in documents must be valid UTF-8: 'wxPython: Windows Styles and Events Hunter \xab The Mouse Vs. The Python'

由于«被编码为\xab，这意味着该字符串可能编码在iso-8995-1、iso-8995-15、windows-1252/latin-1中。这可能与计算机的区域设置有关。在

您只需在传递给MongoDB之前对其进行解码，MongoDB支持Unicode字符串（正如您所断言的，它不限于ASCII）：

^{pr2}$

现在可以将document传递给Python MongoDB驱动程序。在

要使代码可移植，可以使用编解码器别名mbcs（代替“拉丁语-1”）。mbcs会自动转换为配置的Windows区域设置（感谢@roeland）