Estoy analizando datos json y tratando de almacenar algunos de los datos json en la base de datos Mysql. Actualmente recibo el siguiente error de Unicode. Mi pregunta es cómo debería manejar esto.Python y MySql: Unicode y codificación
- ¿Debo manejarlo desde el lado de la base de datos, y si es así cómo puedo modificar mi tabla para hacerlo?
- ¿Debo manejarlo desde el lado de python?
Aquí es mi estructura de la tabla
CREATE TABLE yahoo_questions (
question_id varchar(40) NOT NULL,
question_subj varbinary(255),
question_content varbinary(255),
question_userId varchar(40) NOT NULL,
question_timestamp varchar(40),
category_id varbinary(20) NOT NULL,
category_name varchar(40) NOT NULL,
choosen_answer varbinary(255),
choosen_userId varchar(40),
choosen_usernick varchar(40),
choosen_ans_timestamp varchar(40),
UNIQUE (question_id)
);
error al insertar a través de código Python: Segmento
Traceback (most recent call last):
File "YahooQueryData.py", line 78, in <module>
+"VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s)", (row[2], row[5], row[6], quserId, questionTime, categoryId, categoryName, qChosenAnswer, choosenUserId, choosenNickName, choosenTimeStamp))
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/site-packages/MySQLdb/cursors.py", line 159, in execute
query = query % db.literal(args)
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/site-packages/MySQLdb/connections.py", line 264, in literal
return self.escape(o, self.encoders)
File "/opt/local/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/site-packages/MySQLdb/connections.py", line 202, in unicode_literal
return db.literal(u.encode(unicode_literal.charset))
UnicodeEncodeError: 'latin-1' codec can't encode characters in position 204-230: ordinal not in range(256)
Código Python
:
#pushing user id to the url to get full json stack
urlobject = urllib.urlopen(base_url.format(row[2]))
qnadatajson = urlobject.read()
data = json.loads(qnadatajson)
cur.execute("INSERT INTO yahoo_questions (question_id, question_subj, question_content, question_userId, question_timestamp,"
+"category_id, category_name, choosen_answer, choosen_userId, choosen_usernick, choosen_ans_timestamp)"
+"VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s)", (row[2], row[5], row[6], quserId, questionTime, categoryId, categoryName, qChosenAnswer, choosenUserId, choosenNickName, choosenTimeStamp))
Estructura JSON
questions: [
{
Id: "20111201185322AA5HTDc",
Subject: "what are the new pokemon call?",
Content: "I used to know them I stop at dialga and palkia version and I heard there's new ones what's it call
",
Date: "2011-12-01 18:53:22",
Timestamp: "1322794402",
Lo que también hice antes de ejecutar la consulta que ejecute lo siguiente en mysql SET character_set_client = utf8
Y esto cómo las variables de MySQL parece:
mysql> SHOW variables LIKE '%character_set%';
+--------------------------+--------------------------------------------------------+
| Variable_name | Value |
+--------------------------+--------------------------------------------------------+
| character_set_client | utf8 |
| character_set_connection | utf8 |
| character_set_database | latin1 |
| character_set_filesystem | binary |
| character_set_results | utf8 |
| character_set_server | latin1 |
| character_set_system | utf8 |
| character_sets_dir | /usr/local/mysql-5.5.10-osx10.6-x86_64/share/charsets/ |
+--------------------------+--------------------------------------------------------+
8 rows in set (0.00 sec)
El habitual "obtener MySQL para aceptar UTF-8" encantamiento es asegurarse de que los nombres de los conjuntos utf8'' '' es su primera consulta al abrir la conexión. ¿Has probado eso en lugar de 'character_set_client'? (Esto es solo un comentario porque no creo que ese sea el problema aquí, basado en la salida de su var. Creo que su biblioteca MYSQLdb Python está tratando de codificar a latin-1 y no sabe que debería estar codificando a utf-8 . Verifique la documentación y vea si hay alguna forma de informarle sobre este hecho.) –
Su problema es con% s, está tratando de convertir datos Unicode en una cadena. Tengo el mismo problema, simplemente no estoy seguro de cómo solucionarlo ... – bailout00