列表理解中的一个条目出现Python不需要的unicodedecoderror异常

Question

我在Linux上使用python2.6。我有一个shift_jis（日语）编码的.csv文件，我正在加载。我正在读入头，并执行正则表达式替换来转换一些值，然后将文件作为shift_jis写回。我在文件中的一个字符上遇到UnicodeDecodeError，根据http://www.rikai.com/library/kanjitables/kanji_codes.sjis.shtml，它应该是一个有效字符。其他的日文字符解码很好。在

1）我在列表理解中使用shift_u-jis解码字符串。如果我想忽略（解决方法）这个和其他坏角色，我该怎么办？这是一个代码，其中csv值已经在“行”的“列表”中读取。在

#! /usr/bin/python
# -*- coding: utf8 -*-

import csv
import re

with open('test.csv', 'wb') as output_file:
    wr = csv.writer(output_file, delimiter=',', quoting=csv.QUOTE_NONE) 

    # the following corresponds to reading from a shift_jis encoded csv files "日付,直流電流計測①,直流電流計測②"
    # 直流電流計測① is throwing an exception when decoded but it is a valid character according to
    # http://www.rikai.com/library/kanjitables/kanji_codes.sjis.shtml                           
    list_of_row_values = ['\x93\xfa\x95t', '\x92\xbc\x97\xac\x93d\x97\xac\x8cv\x91\xaa\x87@', '\x92\xbc\x97\xac\x93d\x97\xac\x8cv\x91\xaa\x87A']            

    # take away the last character in entry two, and three, and it would work 
    # but that means I know all the bad characters before hand
    #list_of_row_values = ['\x93\xfa\x95t', '\x92\xbc\x97\xac\x93d\x97\xac\x8cv\x91\xaa', '\x92\xbc\x97\xac\x93d\x97\xac\x8cv\x91\xaa']

    try:
        list_of_unicode_row_values = [str.decode('shift_jis') for str in list_of_row_values]                    
    except UnicodeDecodeError:
        # Question: what if I want to just ignore the character that cannot be decoded and still get the list
        # of "日付,直流電流計測,直流電流計測" as unicode?
        # right now, list_of_unicode_row_values would remain undefined, and the next line will
        # have a NameError
        print 'UnicodeDecodeError'
        pass

    # do a regex explanation to translate one column heading value
    list_of_translated_unicode_row_values = \
    [re.sub('日付'.decode('utf-8'), 'Date Time', str) for str in list_of_unicode_row_values]          

    list_of_translated_row_values = [unicode_str.encode('shift_jis') for unicode_str in list_of_translated_unicode_row_values]
    wr.writerow(list_of_translated_row_values)

2）另一方面，我应该如何报告这个Python错误，即一个特定的shift_jis字符似乎无法正确解码？在

Answer 1

通常，可以使用errors='ignore'跳过无效字符：

list_of_unicode_row_values = [str.decode('shift_jis', errors='ignore') for str in list_of_row_values]

这将导致list_of_unicode_row_values中的以下条目：

^{pr2}$

---

但是在您的特定情况下，您使用了错误的编码。Python的shift_jis编码符合jisx0208标准，而字符①存在于较新的jisx0213标准中。要使用后者，只需使用shift_jisx0213编码：

list_of_unicode_row_values = [str.decode('shift_jisx0213') for str in list_of_row_values]

您将获得以下条目：

日付
直流電流計測①
直流電流計測②

一如预期。在