协议缓冲区python - unicode解码错误

Question

我需要在我的 python - Tornado 服务器上接收协议缓冲区消息，并从二进制消息中获取内容。

postContent = self.request.body
message = prototemp.ReqMessage()
message.ParseFromString(postContent)

它使用测试工具完美运行。当我在沙盒环境中运行它并模拟来自我的客户端的 1000 个请求时，它在某些情况下可以工作，但在大多数请求中，它会引发异常 -

  File "server1.py", line 21, in post
    message.ParseFromString(postContent)
  File "/usr/lib/python2.6/site-packages/protobuf-2.4.1-py2.6.egg/google/protobuf/message.py", line 179, in ParseFromString
    self.MergeFromString(serialized)
  File "/usr/lib/python2.6/site-packages/protobuf-2.4.1-py2.6.egg/google/protobuf/internal/python_message.py", line 755, in MergeFromString
    if self._InternalParse(serialized, 0, length) != length:
  File "/usr/lib/python2.6/site-packages/protobuf-2.4.1-py2.6.egg/google/protobuf/internal/python_message.py", line 782, in InternalParse
    pos = field_decoder(buffer, new_pos, end, self, field_dict)
  File "/usr/lib/python2.6/site-packages/protobuf-2.4.1-py2.6.egg/google/protobuf/internal/decoder.py", line 544, in DecodeField
    if value._InternalParse(buffer, pos, new_pos) != new_pos:
  File "/usr/lib/python2.6/site-packages/protobuf-2.4.1-py2.6.egg/google/protobuf/internal/python_message.py", line 782, in InternalParse
    pos = field_decoder(buffer, new_pos, end, self, field_dict)
  File "/usr/lib/python2.6/site-packages/protobuf-2.4.1-py2.6.egg/google/protobuf/internal/decoder.py", line 410, in DecodeField
    field_dict[key] = local_unicode(buffer[pos:new_pos], 'utf-8')
UnicodeDecodeError: 'utf8' codec can't decode byte 0xce in position 1: invalid continuation byte

在其他一些情况下，它会给出这些错误 -

UnicodeDecodeError: 'utf8' codec can't decode byte 0xbf in position 3: invalid start byte

UnicodeDecodeError: 'utf8' codec can't decode byte 0xe7 in position 3: unexpected end of data

可能是什么原因 ？

Answer 1

我在使用 RabbitMQ 和 Protocol Buffers 时遇到了完全相同的问题。问题在于，protocol buffer 假定输入为 str 类型，而在某些情况下，RabbitMQ 似乎将消息解码为 un​​icode（如果字节数组包含大于 127 的字节）。龙卷风也可能发生同样的情况。到目前为止，似乎可以通过以下代码来解决该问题：

body = self.request.body
if type(body) == unicode:
    data = bytearray(body, "utf-8")
    body = bytes(data)
message = whatever.FromString(body)

这段代码将 unicode 字符串转换为 python bytes 对象，它可以被协议缓冲区消息愉快地解析。不知道是否有更好的方法可以做到这一点，但至少这似乎有效。