在 python 中使用挪威字母æøå

Question

我现在正在学习 python 和 PyGTK，并创建了一个简单的音乐管理器。 http://pastebin.com/m2b596852 但是当它用挪威字母 æ、ø 和 å 编辑歌曲时，它只是将它们更改为一个奇怪的字符。

那么有什么好的方法可以打开或将名称编码为 utf-8 字符吗？

上面代码中两个相关的地方：

从文件中读取信息：

def __parse(self, filename):
    "parse ID3v1.0 tags from MP3 file"
    self.clear()
    self['artist'] = 'Unknown'
    self['title'] = 'Unknown'
    try:
        fsock = open(filename, "rb", 0)
        try:
            fsock.seek(-128, 2)
            tagdata = fsock.read(128)
        finally:
            fsock.close()
        if tagdata[:3] == 'TAG':
            for tag, (start, end, parseFunc) in self.tagDataMap.items():
                self[tag] = parseFunc(tagdata[start:end])
    except IOError:
        pass

打印到 sys.stdout 信息：

for info in files:
    try:
        os.rename(info['name'], 
            os.path.join(self.dir, info['artist'])+' - '+info['title']+'.mp3')

        print 'From: '+ info['name'].replace(os.path.join(self.dir, ''), '')
        print 'To:   '+ info['artist'] +' - '+info['title']+'.mp3'
        print
        self.progressbar.set_fraction(i/num)
        self.progressbar.set_text('File %d of %d' % (i, num))
        i += 1
    except IOError:
        print 'Rename fail'

Answer 1

您想首先将输入从它所在的字符集解码为 utf-8（在 Python 中，编码意味着“将其从 unicode/utf-8 转换为其他字符集”）。

一些谷歌搜索表明挪威字符集是plain-ole 'iso-8859-1'......如果我在这个细节上错了，我希望有人能纠正我。无论如何，以下示例中的字符集名称是什么：

tagdata[start:end].decode('iso-8859-1')

在实际应用中，我意识到您不能保证输入是挪威语或任何其他字符集。在这种情况下，您可能希望通过一系列可能的字符集来查看可以成功转换的字符集。 SO 和 Google 都对在 Python 中有效执行此操作的算法提出了一些建议。听起来比实际更可怕。

Answer 2

您需要将从文件中读取的字节串转换为 Unicode 字符串。查看您的代码，我会在解析函数中执行此操作，即将stripnulls 替换为类似的内容

def stripnulls_and_decode(data):
    return codecs.utf_8_decode(data.replace("\00", "")).strip()

请注意，这仅在文件中的字符串实际上以 UTF-8 编码时才有效 - 如果它们采用不同的编码，则必须使用 codecs 模块中的相应解码函数。

Answer 3

我不知道 mp3 标签使用什么编码，但如果您确定它是 UTF-8，那么：

 tagdata[start:end].decode("utf-8")

# -*- coding: utf-8 -*- 行定义了您的源代码编码，并未定义用于读取或写入文件的编码。