编解码器无法编码字符:字符映射到<undefined>

Question

我尝试使用以下代码在python 2.7中读取docx文件:

import docx
document = docx.Document('sim_dir_administrativo.docx')
    docText = '\n\n'.join([
        paragraph.text.encode('utf-8') for paragraph in document.paragraphs])

然后我尝试使用此代码解码文件中的字符串,因为我有一些特殊字符(例如ã):

print docText.decode("utf-8")

但是,我收到了这个错误:

    return codecs.charmap_encode(input,errors,encoding_map)
UnicodeEncodeError: 'charmap' codec can't encode character u'\u2013' in position
 494457: character maps to <undefined>

我怎么解决这个问题？

Answer 1

打印功能只能打印本地编码的字符.你可以找出它是什么sys.stdout.encoding.要使用特殊字符进行打印,必须先对本地编码进行编码.

# -*- coding: utf-8 -*-
import sys

print sys.stdout.encoding
print u"Stöcker".encode(sys.stdout.encoding, errors='replace')
print u"????????".encode(sys.stdout.encoding, errors='replace')

此代码段取自此stackoverflow响应.