Question

我正在尝试读取docx文件，而不是将其拆分为重要部分并将其插入到我的数据库中。问题是我的docx文件是葡萄牙语，因此它有很多特殊字符（例如á，ã，â）我已经努力解决这个问题了好几天了。因为当我添加到数据库时，特殊字符变为'？'。

这是我的代码：

cursor = db.cursor()
document = docx.Document('teste.docx')
docText = '\n\n'.join([paragraph.text.encode('utf-8') for paragraph in document.paragraphs])
d2 = docText.decode("utf-8")

N = len(d2.encode(sys.stdout.encoding, errors='replace').split("\n"))

query = ''
questao = {}

for i in range(0,N):
    s = d2.encode(sys.stdout.encoding, errors='replace').split("\n")[i]
    try:
        isinstance(int(s[0:2]), int)
        questao[num_questoes] = d2.encode(sys.stdout.encoding, errors='replace').split("\n")[i][3:len(s)]
        query = 'INSERT INTO multichoice_question (category_id, content) VALUES ("4", "' + d2.encode(sys.stdout.encoding, errors='replace').split("\n")[i][3:len(s)] + '");'
        try:
            cursor.execute(query)
            db.commit()
        except MySQLdb.Error, e:
            print "error %s" %e
            db.rollback()  
    except:
        pass

Answer 1

是MySQL数据库吗？可能只有两个问题：

创建与数据库的连接时，您忘记将连接字符集设置为utf8，因此它会尝试将您的文本写为ASCI（这在MySQL中是默认的）。显示与数据库建立连接的部分。如果您使用的是MySQLdb软件包，则必须添加use_unicode = True和charset =＆＃34; utf8＆＃34; MySQLdb.connect函数调用的参数。
你的表/列charset不是UTF8，而是ASCI charset之一。更改。

从docx中读取特殊字符

1 个答案: