当字符串中包含非ASCII字符时，如何将C字符串（char数组）转换为Python字符串？

Question

我已经在C程序中嵌入了Python解释器。假设C程序从文件中读取一些字节到char数组中，并（以某种方式）得知这些字节代表具有特定编码的文本（例如，ISO
8859-1，Windows-1252或UTF-8）。如何将该char数组的内容解码为Python字符串？

Python字符串通常应为类型unicode-例如，0x93在Windows-1252编码的输入中，a变为u'\u0201c'。

我尝试使用PyString_Decode，但是当字符串中包含非ASCII字符时，它总是会失败。这是一个失败的示例：

#include <Python.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
     char c_string[] = { (char)0x93, 0 };
     PyObject *py_string;

     Py_Initialize();

     py_string = PyString_Decode(c_string, 1, "windows_1252", "replace");
     if (!py_string) {
          PyErr_Print();
          return 1;
     }
     return 0;
}

错误消息为UnicodeEncodeError: 'ascii' codec can't encode character u'\u201c' in position 0: ordinal not in range(128)，表示ascii即使我们windows_1252在调用中指定了编码，也使用了编码PyString_Decode。

以下代码通过使用PyString_FromString创建未解码字节的Python字符串，然后调用其decode方法来解决该问题：

#include <Python.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
     char c_string[] = { (char)0x93, 0 };
     PyObject *raw, *decoded;

     Py_Initialize();

     raw = PyString_FromString(c_string);
     printf("Undecoded: ");
     PyObject_Print(raw, stdout, 0);
     printf("\n");
     decoded = PyObject_CallMethod(raw, "decode", "s", "windows_1252");
     Py_DECREF(raw);
     printf("Decoded: ");
     PyObject_Print(decoded, stdout, 0);
     printf("\n");
     return 0;
}

Answer 1

PyString_Decode这样做：

PyObject *PyString_Decode(const char *s,
              Py_ssize_t size,
              const char *encoding,
              const char *errors)
{
    PyObject *v, *str;

    str = PyString_FromStringAndSize(s, size);
    if (str == NULL)
    return NULL;
    v = PyString_AsDecodedString(str, encoding, errors);
    Py_DECREF(str);
    return v;
}

IOW，它基本上完成了第二个示例中的操作-
转换为字符串，然后对该字符串进行解码。这里的问题来自于PyString_AsDecodedString，而不是PyString_AsDecodedObject。PyString_AsDecodedString会执行PyString_AsDecodedObject，但随后尝试将生成的unicode对象转换为具有默认编码的字符串对象（对您来说，看起来像是ASCII）。那就是失败的地方。

我相信您需要进行两次调用-但您可以使用PyString_AsDecodedObject而不是调用python的“ decode”方法。就像是：

#include <Python.h>
#include <stdio.h>

int main(int argc, char *argv[])
{
     char c_string[] = { (char)0x93, 0 };
     PyObject *py_string, *py_unicode;

     Py_Initialize();

     py_string = PyString_FromStringAndSize(c_string, 1);
     if (!py_string) {
          PyErr_Print();
          return 1;
     }
     py_unicode = PyString_AsDecodedObject(py_string, "windows_1252", "replace");
     Py_DECREF(py_string);

     return 0;
}

我不完全确定PyString_Decode以这种方式工作的原因是什么。python-
dev上的
一个很老的线程似乎表明它与链接输出有关，但是由于Python方法没有做同样的事情，所以我不确定这是否仍然有用。