从 DBF 数据库读取数据时出现 UnicodeDecodeError

Question

我需要编写一个脚本，将 ERP 程序连接到制造程序。 有了生产程序，事情就很清楚了——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，数据必须从 DBF 文件中读取。

我使用 dbf 库是因为（如果我没记错的话）它是唯一能够以相当简单和快速的方式过滤数据的库。 我这样打开数据库

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。 我需要把DBF数据库中选中的数据“打包”成json发送给生产程序api。

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

parseDbfData function 看起来像这样，但它不是导致问题的原因，因为没有它它不会以相同的方式工作。 我添加它试图解决问题。

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

运行时，如果 function 遇到 DBF 数据库中的任何“不匹配”字符（例如任何波兰语字符，即 ą、ę、ś、ć），脚本将终止并出现错误

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

错误指向包含此的行（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:(

Answer 1

我得出的结论是，读取DBF数据库必须直接使用encoding。 但是，我无法从文档中读到具体如何执行此操作。

仔细分析了dbf模块本身，得出的结论是打开数据库需要用到codepage参数。 结合了一下，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 数据库的代码如下所示：

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

Answer 2

Python 3 确实修复了 unicode/bytes 问题，但仅针对 Python 本身。 dbf格式存储应在.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，所以请仔细测试）：

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