email.header 不处理芬兰语字符？

Question

某个 Python API 为结束词 Järvenpää 返回 u'J\xe4rvenp\xe4\xe4'。

其中 \xe4 == ä

然后我调用 email.header 将此字段添加到要打印的标题中。

email.header 在尝试解码元音变音时跌倒：

  File "/System/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/email/header.py", line 73, in decode_header
    header = str(header)
UnicodeEncodeError: 'ascii' codec can't encode character u'\xe4' in position 1: ordinal not in range(128)

我已经尝试了几件事：

• 添加# -*- coding: utf-8 -*- 到 header.py 的顶部
• 在将芬兰语字符串传递给 email.header 之前调用 unicode()
• 在将芬兰语字符串传递给 email.header 之前调用 .encode('utf-8')

没有人能解决问题。我做错了什么？我想一个解决方案不会涉及修改 header.py（一个核心 Python 模块）。

Python 版本：2.7.10

更新：

Header() 没有被直接实例化。相反，我在字符串上调用 decode_header() 函数：

email.Header.decode_header(theString)

现在看来，只是这样扩展：

email.Header.decode_header(theString.encode('utf-8'))

解决问题

Answer 1

为了让email.header 模块为您处理编码并创建正确的标头，您必须使用您的字符串和应该编码的字符集创建email.header.Header 的实例：

>>> h = Header(text, charset)

例如：

>>> t = u'J\xe4rvenp\xe4\xe4'
>>> print t
Järvenpää
>>> from email.header import Header
>>> h = Header(t, 'utf-8')
>>> h
<email.header.Header instance at 0x7fc2636e7950>
>>> print h
=?utf-8?b?SsOkcnZlbnDDpMOk?=
>>> h = Header(t, 'iso-8859-1')
>>> print h
=?iso-8859-1?q?J=E4rvenp=E4=E4?=

字符串可以是 unicode 字符串或 字节字符串。

• 如果您使用 unicode 字符串，charset 只会影响标头的编码方式编码。
• 如果您使用字节字符串，charset 将确定假定字节字符串采用什么编码，以及将使用什么编码对标头进行编码。如果您提供的字节字符串无法使用该charset 解码，则会引发异常。

Answer 2

AFAIK，str() 处理 ascii，这就是你得到错误的原因。如果你的字符串是 unicode 你应该做header = unicode(header)，如果不是它应该首先被解码。

#!/usr/bin/python
# -*- coding: utf-8 -*-

header = unicode("Järvenpää".decode('UTF-8'))
print header

输出

Järvenpää