子进程标准输出字符串解码不起作用

Question

我正在使用以下子流程调用来使用命令行工具。命令行工具的输出不是一次性打印的，而是立即在命令行上打印的，它会在一段时间内生成多行。该工具为bs1770gain，命令为“ path \ to \ bs1770gain.exe”“ -i”“ \ path \ to \ audiofile.wav”，通过使用--loglevel参数，您可以包含更多数据，但不能删除渐进结果被写入标准输出。

我需要stdout返回人类可读的字符串（因此stdout_formatted操作）：

with subprocess.Popen(list_of_args, stdout=subprocess.PIPE,  stderr=subprocess.PIPE) as proc:
    stdout, stderr = proc.communicate()
    stdout_formatted = stdout.decode('UTF-8')
    stderr_formatted = stderr.decode('UTF-8')

但是，如果我将其打印，则只能将其视为人类可读的字符串，例如

In [23]: print(stdout_formatted )
      nalyzing ...   [1/2] "filename.wav": 
          integrated:  -2.73 LUFS / -20.27 LU   [2/2] 
      "filename2.wav":         
          integrated:  -4.47 LUFS / -18.53 LU   
      [ALBUM]:
          integrated:  -3.52 LUFS / -19.48 LU done.

In [24]: stdout_formatted 
Out[24]: 'a\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00g\.......

In [6]: stdout
Out[6]: b'a\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00g\......

In [4]: type(stdout)
Out[4]: bytes

In [5]: type(stdout_formatted)
Out[5]: str

如果仔细看，字符串中会包含可读字符（第一个单词是“ analyzing”

我猜测stdout值需要解码/编码，所以我尝试了不同的方法：

stdout_formatted.encode("ascii")
Out[18]: b'a\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00g

stdout_formatted.encode("utf-8")
Out[17]: b'a\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00g\

stdout.decode("utf-8")
Out[15]: 'a\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00g\

stdout.decode("ascii")
Out[14]: 'a\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00g\

bytes(stdout).decode("ascii")
Out[13]: 'a\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00g\

我使用了一个名为chardet的库来检查stdout的编码：

import chardet

chardet.detect(stdout)
Out[26]: {'confidence': 1.0, 'encoding': 'ascii', 'language': ''}

我正在Windows 10上工作，并且正在使用python 3.6（anaconda软件包及其集成的Spyder IDE）。

我现在有点不知所措-是否可以捕获在变量中调用print时在控制台中显示的内容，或者删除stdout字符串中不需要的字节码？

Answer 1

您没有UTF-8数据。您有UTF-16数据。UTF-16 为每个字符使用两个字节；ASCII和Latin-1范围内的字符（例如a）仍使用2个字节，但是这些字节之一始终是\x00NUL字节。

由于UTF-16始终为每个字符使用2个字节，因此它们的顺序开始变得很重要。编码器可以在两个选项之间进行选择。一个叫Little Endian，另一个叫Big Endian。通常，编码器会在开始时就包含一个字节顺序标记，以便解码器知道在解码时要使用两个顺序选项中的哪个。

您发布的数据似乎没有包含BOM（我看不到0xFF和0xFE字节，但是您的数据看起来确实是使用低端顺序的。这与Windows匹配； Windows始终使用低端顺序的它是UTF-16输出。

如果您的数据确实存在BOM，则可以将解码为'utf-16'。如果缺少BOM，请使用'utf-16-le'：

>>> sample = b'a\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00'
>>> sample.decode('utf-16-le')
'analyzin'
>>> import codecs
>>> (codecs.BOM_UTF16_LE + sample)
b'\xff\xfea\x00n\x00a\x00l\x00y\x00z\x00i\x00n\x00'
>>> (codecs.BOM_UTF16_LE + sample).decode('utf-16')
'analyzin'