Problema estranho com a codificação de entrada no ipython
-
20-09-2019 - |
Pergunta
Estou executando o Python 2.6 com o mais recente ipython no Windows XP SP3 e tenho duas perguntas. Primeiro, um dos meus problemas é que, quando no iPython, não posso inserir diretamente as strings Unicode e, como resultado, não pode abrir arquivos com nomes não latinos. Deixe -me demonstrar. Sob Python usual, isso funciona:
>>> sys.getdefaultencoding()
'ascii'
>>> sys.getfilesystemencoding()
'mbcs'
>>> fd = open(u'm:/Блокнот/home.tdl')
>>> print u'm:/Блокнот/home.tdl'
m:/Блокнот/home.tdl
>>>
É cirílico lá, a propósito. E sob o ipython que recebo:
In [49]: sys.getdefaultencoding()
Out[49]: 'ascii'
In [50]: sys.getfilesystemencoding()
Out[50]: 'mbcs'
In [52]: fd = open(u'm:/Блокнот/home.tdl')
---------------------------------------------------------------------------
IOError Traceback (most recent call last)
C:\Documents and Settings\andrey\<ipython console> in <module>()
IOError: [Errno 2] No such file or directory: u'm:/\x81\xab\xae\xaa\xad\xae\xe2/home.tdl'
In [53]: print u'm:/Блокнот/home.tdl'
-------------->print(u'm:/Блокнот/home.tdl')
ERROR: An unexpected error occurred while tokenizing input
The following traceback may be corrupted or invalid
The error message is: ('EOF in multi-line statement', (15, 0))
---------------------------------------------------------------------------
UnicodeEncodeError Traceback (most recent call last)
C:\Documents and Settings\andrey\<ipython console> in <module>()
C:\Program Files\Python26\lib\encodings\cp866.pyc in encode(self, input, errors)
10
11 def encode(self,input,errors='strict'):
---> 12 return codecs.charmap_encode(input,errors,encoding_map)
13
14 def decode(self,input,errors='strict'):
UnicodeEncodeError: 'charmap' codec can't encode characters in position 3-9: character maps to <und
In [54]:
O segundo problema é menos frustrante, mas ainda assim. Quando tento abrir um arquivo e especificar o argumento do nome do arquivo como string não unicode, ele não abre. Eu tenho que à força Decode string do OEM Charset, antes que eu pudesse abrir arquivos, o que é bastante inconveniente:
>>> fd2 = open('m:/Блокнот/home.tdl'.decode('cp866'))
>>>
Talvez tenha algo para minhas configurações regionais, eu não sei, porque nem consigo cortar e colar o texto cirílico do console. Eu coloquei "russo" em todos os lugares em ambientes regionais, mas isso parece não funcionar.
Solução
Sim. Digitar Unicode no console é sempre problemático e geralmente é melhor evitado, mas Ipython está particularmente quebrado. Ele converte caracteres que você digita em seu console como se fossem codificados no ISO-8859-1, independentemente da codificação real que você está dando.
Por enquanto, você terá que dizer u'm:/\u0411\u043b\u043e\u043a\u043d\u043e\u0442/home.tdl'
.
Outras dicas
Perversamente, isso funcionará:
fd = open('m:/Блокнот/home.tdl')
Ou:
fd = open('m:/Блокнот/home.tdl'.encode('utf-8'))
Isso contorna o bug do ipython, inserindo a string como um string de byte codificado UTF-8 bruto. Ipython não tenta nenhum negócio engraçado com ele. Você então você está livre para codificá -lo em uma string unicode, se quiser, e continue com sua vida.
Eu tive o mesmo problema com a entrada grega, este Patch do Launchpad funciona para mim também.
Obrigado.