自定义Python Charmap编解码器

Question

我正在尝试编写自定义Python编解码器。 这是一个简短的示例：

import codecs

class TestCodec(codecs.Codec):
    def encode(self, input_, errors='strict'):
        return codecs.charmap_encode(input_, errors, {
            'a': 0x01,
            'b': 0x02,
            'c': 0x03,
        })

    def decode(self, input_, errors='strict'):
        return codecs.charmap_decode(input_, errors, {
            0x01: 'a',
            0x02: 'b',
            0x03: 'c',
        })

def lookup(name):
    if name != 'test':
        return None
    return codecs.CodecInfo(
        name='test',
        encode=TestCodec().encode,
        decode=TestCodec().decode,
    )

codecs.register(lookup)
print(b'\x01\x02\x03'.decode('test'))
print('abc'.encode('test'))

解码有效，但是编码会引发异常：

$ python3 codectest.py
abc
Traceback (most recent call last):
  File "codectest.py", line 29, in <module>
    print('abc'.encode('test'))
  File "codectest.py", line 8, in encode
    'c': 0x03,
UnicodeEncodeError: 'charmap' codec can't encode characters in position 0-2:
character maps to <undefined>

任何想法如何正确使用charmap_encode ？

Answer 1

查看https://docs.python.org/3/library/codecs.html#encodings-and-unicode （第三段）：

还有另一组选择所有Unicode代码点的不同子集，并且这些代码点是如何映射到字节编码（所谓的字符表编码）的0x0 - 0xff 。 要查看如何完成此操作，只需打开例如encodings/cp1252.py （这是主要在Windows上使用的编码）即可。 有一个包含256个字符的字符串常量，向您显示哪个字符映射到哪个字节值。

提示看encodings / cp1252.py，并检查以下代码：

import codecs

class TestCodec(codecs.Codec):
    def encode(self, input_, errors='strict'):
        return codecs.charmap_encode(input_, errors, encoding_table)

    def decode(self, input_, errors='strict'):
        return codecs.charmap_decode(input_, errors, decoding_table)

def lookup(name):
    if name != 'test':
        return None
    return codecs.CodecInfo(
        name='test',
        encode=TestCodec().encode,
        decode=TestCodec().decode,
    )

decoding_table = (
    'z'
    'a'
    'b'
    'c'
)    
encoding_table=codecs.charmap_build(decoding_table)
codecs.register(lookup)

### --- following is test/debug code
print(ascii(encoding_table))

print(b'\x01\x02\x03'.decode('test'))
foo = 'abc'.encode('test')
print(ascii(foo))

输出：

{97: 1, 122: 0, 99: 3, 98: 2}
abc
b'\x01\x02\x03'