我目前正在努力讓我的屏幕閱讀器與Becky 一起更好地工作！互聯(lián)網(wǎng)郵件。我面臨的問題與那里的列表視圖有關(guān)。此控件不支持 Unicode，但項(xiàng)目是在屏幕上自定義繪制的，因此當(dāng)有人查看它時(shí)，無論編碼如何，所有字段的內(nèi)容看起來都不錯(cuò)。當(dāng)通過 MSAA 或 UIA 訪問時(shí)，基本 ANSI 字符和使用非 Unicode 程序設(shè)置的代碼頁編碼的郵件具有正確的文本，而以 Unicode 編碼的郵件則不能。文本示例：黃鵝自己表示為：Za?????,?? g????l?... ja???? 在這種情況下，它已損壞 CP1250，如下面的回答。然而：??表示為： a? ????表示為：a?°，高生旺表示為：é??”??—?我剛剛假設(shè)這些字符串已損壞無法修復(fù)，但是當(dāng) Windows 10 中的 unicode beta 支持啟用時(shí)，它們會(huì)正確暴露。是否可以在 Python 中模擬這種行為？該解決方案需要同時(shí)在 Python 2 和 3 中工作。目前，我只是簡(jiǎn)單地將這些字符的已知組合替換為它們的正確表示，但這不是很好的解決方案，因?yàn)榘鎿Q和要替換的字符的列表需要使用每個(gè)新發(fā)現(xiàn)的字符進(jìn)行更新。
1 回答
墨色風(fēng)雨
TA貢獻(xiàn)1853條經(jīng)驗(yàn) 獲得超6個(gè)贊
您的 utf-8 被解碼為 cp1250。
我在 python3 中所做的是：
orig = "Za?ó?? g??l? ja?ń"
wrong = "Za???????? g????l?… ja????"
for enc in range(437, 1300):
try:
res = orig.encode().decode(f"cp{enc}")
if res == wrong:
print('FOUND', res, enc)
except:
pass
...結(jié)果是 1250 代碼頁。
所以你的解決方案應(yīng)該是：
import sys
def restore(garbaged):
# python 3
if sys.version_info.major > 2:
return garbaged.encode('cp1250').decode()
# python 2
else:
# is it a string
try:
return garbaged.decode('utf-8').encode('cp1250')
# or is it unicode
except UnicodeEncodeError:
return garbaged.encode('cp1250')
編輯：
"高生旺"無法恢復(fù)的原因é??”??—?：
"高生旺".encode('utf-8')是b'\xe9\xab\x98\xe7\x94\x9f\xe6\x97\xba'。
問題是\x98部分。在 cp1250 中，該值沒有字符集。如果你試試這個(gè)：
"高生旺".encode('utf-8').decode('cp1250')
你會(huì)得到這個(gè)錯(cuò)誤：UnicodeDecodeError: 'charmap' codec can't decode byte 0x98 in position 2: character maps to <undefined>
獲取方式"é??”??—?"為：
"高生旺".encode('utf-8').decode('cp1250', 'ignore')
但是這ignore部分很關(guān)鍵，它會(huì)導(dǎo)致數(shù)據(jù)丟失：
'é??”??—?'.encode('cp1250')是b'\xe9\xab\xe7\x94\x9f\xe6\x97\xba'。
如果你比較這兩個(gè)：
b'\xe9\xab\xe7\x94\x9f\xe6\x97\xba'
b'\xe9\xab\x98\xe7\x94\x9f\xe6\x97\xba'
您會(huì)看到該\x98字符丟失，因此當(dāng)您嘗試恢復(fù)原始內(nèi)容時(shí)，您會(huì)得到一個(gè)UnicodeDecodeError: 'utf-8' codec can't decode bytes in position 0-1: invalid continuation byte.
如果你試試這個(gè)：
'é??”??—?'.encode('cp1250').decode('utf-8', 'backslashreplace')
結(jié)果將是'\\xe9\\xab生旺'。\xe9\xab\x98可以解碼為高，從\xe9\xab它是不可能的。
添加回答
舉報(bào)
0/150
提交
取消