shlex.split仍然不支持unicode吗？

Question

根据文档，在Python 2.7.3中，shlex应该支持UNICODE。但是，当运行下面的代码时，我得到：UnicodeEncodeError: 'ascii' codec can't encode characters in position 184-189: ordinal not in range(128)

我做错了什么吗？

import shlex

command_full = u'software.py -fileA="sequence.fasta" -fileB="新建文本文档.fasta.txt" -output_dir="..." -FORMtitle="tst"'

shlex.split(command_full)

确切的错误如下：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/shlex.py", line 275, in split
    lex = shlex(s, posix=posix)
  File "/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/shlex.py", line 25, in __init__
    instream = StringIO(instream)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 44-49: ordinal not in range(128)

这是我的mac在macports中使用python的输出。我在Ubuntu机器上用“本地”python 2.7.3得到了完全相同的错误。

Answer 1

shlex.split()代码将unicode()和str()实例包装在一个StringIO()对象中，该对象只能处理拉丁-1字节(因此不能处理整个Unicode码点范围)。

如果您仍然想使用shlex.split()，就必须进行编码(应该可以使用UTF-8 )；模块的维护者意味着现在支持unicode()对象，只是不支持拉丁语-1范围之外的任何代码点。

编码、拆分、解码给了我：

>>> map(lambda s: s.decode('UTF8'), shlex.split(command_full.encode('utf8')))
[u'software.py', u'-fileA=sequence.fasta', u'-fileB=\u65b0\u5efa\u6587\u672c\u6587\u6863.fasta.txt', u'-output_dir=...', u'-FORMtitle=tst']

一个now closed Python issue试图解决这个问题，但是这个模块是非常面向字节流的，并且没有新的补丁出现。目前，使用iso-8859-1或UTF-8编码是我能想到的最好的方法。

Answer 2

实际上，有一个补丁已经超过五年了。去年，我厌倦了在每个项目中复制一个ushlex，并将其放到PyPI上：

https://pypi.python.org/pypi/ushlex/

Answer 3

我使用Python 2.7.16，我发现

shlex可以使用通用字符串'xxxx‘

ushlex可以与u“‘xxx”一起工作

# -*- coding:utf8 -*-
import ushlex
import  shlex

command_full1 = 'software.py -fileA="sequence.fasta" -fileB="新建文本文档.fasta.txt" -output_dir="..." -FORMtitle="tst"'
print shlex.split(command_full1)

command_full2 = u'software.py -fileA="sequence.fasta" -fileB="新建文本文档.fasta.txt" - output_dir="..." -FORMtitle="tst"'
print ushlex.split(command_full2)

输出：

['software.py', '-fileA=sequence.fasta', '-fileB=\xe6\x96\xb0\xe5\xbb\xba\xe6\x96\x87\xe6\x9c\xac\xe6\x96\x87\xe6\xa1\xa3.fasta.txt', '-output_dir=...', '-FORMtitle=tst']
[u'software.py', u'-fileA=sequence.fasta', u'-fileB=\u65b0\u5efa\u6587\u672c\u6587\u6863.fasta.txt', u'-output_dir=...', u'-FORMtitle=tst']