Python: ¿Qué codificación se usa para procesar sys.argv?

Question

¿En qué codificación están los elementos de sys.argv, en Python? ¿Están codificados con la codificación sys.getdefaultencoding()?

sys.getdefaultencoding(): Devuelve el nombre de la codificación de serie predeterminada actual utilizada por la implementación Unicode.

PS: Como se ha señalado en algunas de las respuestas, sys.stdin.encoding sería ciertamente una mejor conjetura . Sin embargo, me gustaría ver una respuesta definitiva a esta pregunta, con sugerencias sobre fuentes sólidas.

PPS: Como señaló Wim, Python 3 resuelve este problema poniendo str objetos en sys.argv (si entiendo correctamente). La pregunta permanece abierta para Python 2.x, sin embargo. En Unix, la variable de entorno LC_CTYPE parece ser lo correcto para comprobar, ¿no? ¿Qué se debe hacer con Windows (para que los elementos sys.argv se interpreten correctamente independientemente de la consola)?

Answer 1

"¿Qué se debe hacer con Windows (para que los elementos sys.argv se interpreten correctamente sea cual sea la consola)?"

Para Python 2.x, vea this comment on issue2128.

(Tenga en cuenta que hay codificación es correcta para el sys.argv original, debido a que algunos caracteres pueden haber sido mutilado de una manera que no hay suficiente información para deshacer; por ejemplo, si la página de códigos ANSI no puede representar griega alfa entonces será destrozado a 'a'.)

Answer 2

En los sistemas Unix, debe estar en la configuración regional del usuario, que (extrañamente) no está relacionada con sys.getdefaultencoding. Ver http://docs.python.org/library/locale.html.

En Windows, estará en la página de códigos ANSI del sistema.

(Por cierto, los maestros de primaria que te dijo que no terminar una oración con una preposición se mintiendo.)

Answer 3

No sé si esto ayuda o no, pero esto es lo que me pasa en modo DOS:

C:\Python27>python Lib\codingtest.py нер 
['Lib\\codingtest.py', '\xed\xe5\xf0'] 

C:\Python27>python Lib\codingtest.py hello 
['Lib\\codingtest.py', 'hello'] 

en IDLE:

>>> print "hello" 
hello 
>>> "hello" 
'hello' 
>>> "привет" 
'\xef\xf0\xe8\xe2\xe5\xf2' 
>>> print "привет" 
привет 
>>> sys.getdefaultencoding() 
'ascii' 
>>> 

¿Qué podemos deducir de esto? Aún no lo sé ... comentaré un poco.

Un poco más tarde: sys.argv está codificado con sys.stdin.encoding y no sys.getdefaultencoding()

Answer 4

Algunas observaciones:

(1) Desde luego no es sys.getdefaultencoding.

(2) sys.stdin.encoding parece ser una apuesta mucho mejor.

(3) En Windows, el valor real de sys.stdin.encoding variará, dependiendo de qué software proporcione el stdio. IDLE usará la página de códigos del sistema "ANSI", p. cp1252 en la mayor parte de Europa Occidental y América y sus antiguas colonias. Sin embargo, en la ventana Símbolo del sistema, que emula MS-DOS más o menos, se utilizará la página de códigos del DOS anterior correspondiente (por ejemplo, cp850) de forma predeterminada. Esto se puede cambiar utilizando el comando CHCP (cambiar la página de códigos).

(4) La documentación para el módulo de subproceso no proporciona ninguna sugerencia sobre qué codificación usar para args y stdout.

(5) Se confía en que assert sys.stdin.encoding == sys.stdout.encoding nunca falla.

Answer 5

Supongo que estás preguntando esto porque te encontraste con issue 2128. Tenga en cuenta que esto se ha solucionado en Python 3.0.

Answer 6

sys.getfilesystemencoding() funciona para mí, al menos en Windows. En Windows, en realidad es 'mbcs' y 'utf-8' en * nix.