在Python中读取latin-1编码字符串时出现'ASCII'转Unicode错误
我在处理一些用latin-1（ISO-8859-1）编码的字符串时遇到问题。
我想做的是通过HTTP POST从一个使用ISO-8859-1编码的网页发送一些数据到我的Python应用程序，然后在我的Python脚本中用正则表达式解析这些数据。
这个网页使用jQuery把数据发送到服务器，我是通过.text()方法从页面获取文本的。当数据发送回服务器时，它看起来像这样：re.compile(r"^[\s,]*(\d*\s*\d*\/*\d)[\s,]*")。不幸的是，我的正则表达式中的\s没有匹配到我的数据，我追踪问题发现，网页使用了 ，这被编码成了0xA0（不换行空格），然后发送到服务器。出于某种原因，我的脚本没有把这个字符当作空格来处理，所以没有匹配上。根据Python的[文档][1]，这应该是可以工作的，所以我这里肯定有编码问题。
然后我想尝试把字符串转换成unicode，并把它传给正则表达式，所以我试着查看转换字符串时会发生什么：print(unicode(data, 'iso-8859-1'))。
不幸的是，我遇到了这个错误：
UnicodeEncodeError at /script/
'ascii' codec can't encode character u'\xa0' in position 122: ordinal not in range(128)
我很困惑——我显然不是在尝试使用ASCII解码——难道Python在尝试用ASCII解码，即使我明显传递了其他编码？
2 个回答
试试这个：
print(repr(unicode(data, 'iso-8859-1')))
当你打印一个unicode对象时，其实是在尝试把它转换成默认的编码格式，也就是ASCII。使用repr可以把它转成一种ASCII安全的格式，这样你在调试的时候更容易理解发生了什么。
你是在用Python 3.X还是2.X？这可是有区别的。其实看起来像是2.X，但你用print(blahblah)让我有点困惑 :-)
回答你最后一个问题：是的，默认情况下，使用print()时是ASCII编码。在3.X中：调试时用print(ascii(foo))，而不是print(foo)。在2.X中用repr()，而不是ascii()。
你最开始提到的无断行空格的问题，如果（a）数据是unicode格式，并且（b）你在re.compile()中使用了re.UNICODE标志，就应该能解决。