Q&A
応答ヘッダや meta タグで指定する文字コードとテキストファイルが使っている文字コードはどうなっていますか？ (前者が utf-8 で後者が日本語混じりの Shift_JIS と言ったような不整合はありませんか？)
いつもお世話になります。
ひとつご教示ください。
やりたいこと
htmlのフォームからcgiでテキストファイルを読み込んで、内容を表示させたい。
https://www.gesource.jp/programming/python/cgi/0114.html
こちらのサイトの内容を参考に学習しています。
python2で書かれているため、ところどころ書き換えながら試しています。
環境は
python3.7
windows10
です。
わからないこと
内容の表示まではいくのですが、文字化けします。
自分ではこのあたりを試してみたのですが解消しません。
https://qiita.com/eleven-junichi2/items/f3fcb6abe7fe21a4d89a
http://wannaknowenglish.hatenablog.com/entry/2016/03/22/112223
他にも
https://teratail.com/questions/127384
等、teratail内の質問も見てみたのですが、同様のケースが見当たりませんでした。
あまりにも初心者すぎる質問かもしれませんが、もはや何を試せばよいのか分からなくなりました。
おそらくいろいろと見当違いなことをしてるのだと思いますが・・・
教えていただきたいと存じます。何卒よろしくお願いいたします。
追記
テキストファイルの文字コードはUTF-8として保存しています。
また投稿後にmetaタグを<meta charset="utf-8">に差し替えたところ、次はページ自体が文字化けしてしまいました。
python3
1#!/usr/bin/python3 2# -*- coding: utf-8 -*- 3 4html = """Content-Type: text/html 5 6<html> 7<head> 8<meta http-equiv="Content-Type" content="text/html" /> 9<title>選択されたファイルの内容を取得する</title> 10 <style type="text/css"> 11 <!-- 12 pre { 13 border-width: 1px; 14 border-style: dotted; 15 border-color: #009999; 16 margin: 1em; 17 padding: 1em; 18 } 19 --> 20 </style> 21</head> 22<body> 23<h1>選択されたファイルの内容を取得する</h1> 24<p>選択されたファイルの内容は 25<pre>%s</pre> 26です。</p> 27<form action="test14.py" method="post" enctype="multipart/form-data"> 28 <input type="file" name="filename" /> 29 <input type="submit" /> 30</form> 31</body> 32</html> 33""" 34 35import cgi 36import cgitb 37cgitb.enable() 38 39form = cgi.FieldStorage() 40data = "" 41if "filename" in form : 42 item = form["filename"] 43 if item.file: 44 data = item.file.read() 45print(html % data) 46 47# 出力するとこんな表示になってしまいます。 48# b'\xe3\x82\xa4\xe3\x83\xb3\xe3\x83\x95\xe3\x83\xab\xe3\x82\xa8\xe3\x83\xb3\xe3\x82\xb6\xe3\x81\xab\xe3\x81\x94\xe6\xb3\xa8\xe6\x84\x8f\xe3\x81\x8f\xe3\x81\xa0\xe3\x81\x95\xe3\x81\x84' 49
ありがとうございます。
読み込むテキストファイルはUTF-8で指定してあります。
metaタグを上記コード8行目から<meta charset="utf-8">に差し替えてみたところ、
今度はページ自体が文字化けを起こしました。
「テキストファイルはUTF-8で指定」とはどういう意味ですか？ ファイルの中身のバイト列はどうなっているのでしょう？
テキストファイルの文字コードをUTF-8として保存しています。
バイト列、というと内容のことでしたでしょうか。
適当な日本語の文字列のみとなっています。お答えになってますでしょうか。
「テキストファイルの文字コードをUTF-8として保存しています。」を質問欄を編集して追記願います。ここコメント欄は初期表示の時は閉じていますので見ない人がいますから。
回答2件
0
ベストアンサー
python3 cgiモジュールのリファレンスを以下から参照すると、
cgi モジュールを使う - Python3.8
file 属性から以下のようにデータを読み込むことができます (read() および readline() メソッドはバイト列を返します):
とあります。つまり、CGIでフォームから送られたファイルを読み出した時のデータはUTF-8のバイト列なので、デコードしてあげなければなりません。具体的にはバイト列データ.decode(encoding='utf-8')でデコードできます。これを踏まえてご提示のコードを修正すると、以下のようになります。
Python3
1import cgi 2import cgitb 3cgitb.enable() 4 5form = cgi.FieldStorage() 6 7# バイト列として扱う (data=""では文字列型になってしまうので、ダメ) 8data = b"" 9if "filename" in form : 10 item = form["filename"] 11 if item.file: 12 # fileからバイト列として読み出し 13 data = item.file.read() 14 15#print(html % data) 16# UTF-8のバイト列を文字列に変換 17s = data.decode(encoding='utf-8') 18print(html % s)
投稿2019/12/06 04:33
総合スコア9183
ご回答ありがとうございました。
見事変換されました。read()メソッドでファイルで読み込んだ時点ではいわゆるバイナリーデータのため、テキストとして表示するには文字列に変換しなければならなかったという理解で良かったでしょうか？
> read()メソッドでファイルで読み込んだ時点ではいわゆるバイナリーデータのため、テキストとして表示するには文字列に変換しなければならなかったと
そのご理解でよろしいかと思います。補足として正確に言うと、read()メソッドで読み出したデータは組み込み型のbytes(クラス)で、
(pythonの対話モードでの実行例)
>>> s = b"1234"
>>> print(type(s))
<class 'bytes'>
文字列は組み込み型のstr(クラス)であるため、変換する必要があると言うことです。
>>> s = "1234"
>>> print(type(s))
<class 'str'>
>>>
今回のことは、データの型でつまづいていたということですね。
受け渡しの仕方について、より意識するようにします。
どうもありがとうございました。
0
テキストファイルの文字コードをUTF-8として保存しています。
そのようですね。質問に書いてあった結果の文字列、
\xe3\x82\xa4\xe3\x83\xb3 ... \xe3\x81\x84
は UTF-8 のバイト列、
e3 82 a4 e3 83 b3 ... e3 81 84
を表しているようで、それを復号すると「インフルエンザにご注意ください」となります。それで間違いないですよね。
それで間違いなければ、ファイルのバイト列のエンコーディング・デコーディングができておらず、バイト列がそのまま出てきたということのようです。
ただ、お役に立てずすみませんが、自分は Python は門外漢なので、どこが問題なのかは分かりません。デバッグ実行できるのであれば data に何が取得できているか調べるとヒントが見つかるかもしれません。
投稿2019/12/06 01:03
退会済みユーザー
総合スコア0
ご回答ありがとうございました。
処理を行う都度、データの取り扱い方も合わせて考えなければならないといつも思っているのですが、バイト列のエンコードだったとは、私の知らない知識でした。
適切な回答が得られたのも、最初から導いていただけたからと思っております。
どうもありがとうございました。
あなたの回答
tips
プレビュー
