从 DBF 数据库读取数据时出现 UnicodeDecodeError

问题描述

我需要编写一个脚本，将 ERP 程序连接到制造程序。对于生产程序，问题很清楚 - 我通过 HTTP 请求向它发送数据。 ERP 程序的情况更糟，因为在这种情况下，必须从 DBF 文件中读取数据。

我使用 dbf 库是因为（如果我没记错的话）它是唯一一个能够以相当简单和快速的方式过滤数据的库。我是这样打开数据库的

table = dbf.Table(path).open()
dbf_index = dbf.pql(table,"select * where ident == 'M'")

然后我遍历查询返回的每个连续记录。我需要将 DBF 数据库中选定的数据“打包”成 json 并发送到生产程序 api。

data = {
    "warehouse_id" : parseDbfData(record['SYMBOL']),"code" : parseDbfData(record['SYMBOL']),"name" : parseDbfData(record['NAZWA']),"main_warehouse" : False,"blocked" : False
}

parseDbfData 函数看起来像这样，但它不是导致问题的原因，因为没有它它就不会以相同的方式工作。我添加它是为了解决问题。

def parseDbfData(data):
    return str(data.strip())

运行时，如果函数遇到来自 DBF 数据库的任何“不匹配”字符（例如任何波兰语字符，即 ą、ę、ś、ć），则脚本会因错误而终止

UnicodeDecodeError: 'ascii' codec can't decode byte 0x88 in position 15: ordinal not in range(128)

错误指向包含此内容的行（在构建 json 中）

"name" : parseDbfData(record['NAZWA']),

此时脚本试图读取的值可能是“Magazyn materiałów Podgórna”。如您所见，该值包含字符“ł”和“ó”。我认为这会使整个脚本中断，但我不知道如何修复它。

我会提到我使用的是 Python 3.9 版。我知道版本 2. 中存在字符编码问题，但我认为 Python 3. 时代已经解决了这个问题。我发现它没有:(

解决方法

我得出的结论是，我在读取DBF数据库时必须直接使用编码。但是，我无法从文档中读取具体如何执行此操作。

对dbf模块本身进行彻底分析后，得出的结论是，打开数据库时需要用到codepage参数。结合片刻，我能够确定模块中所有可用的编码标准，cp852 最适合我。

更正后，打开DBF数据库的代码如下：

table = dbf.Table(path,codepage='cp852').open()

Python 3 确实修复了 unicode/bytes 问题，但仅适用于 Python 本身。 dbf 格式存储应该在 .dbf 文件本身内部使用的代码页（通常不这样做，导致使用 ascii 编解码器）。

要修复 dbf 文件（这可能会弄乱其他使用它们的程序，因此请仔细测试）：

table.open()
table.codepage = dbf.CodePage('cp852')
table.close()

dbf python python-3.9 python-3.x