python3.5 環境で utf-8 to cp932 への文字コード変換ができない
解決済
回答 1
投稿
- 評価
- クリップ 1
- VIEW 1,294
前提・実現したいこと
s3 にあるファイルを文字コード変換して別オブジェクトとして保存したい。
発生している問題・エラーメッセージ
エラーにはならないものの、文字コードが utf-8 のままで変換が行われない。
該当のソースコード
# -*- coding: utf-8 -*-
import os
import sys
import codecs
import boto3
from io import StringIO
def main():
bucketname = 's3_bucket'
filepath = 'MONTHLY_DATA/2020/202002'
srcname = 'utf8_202002.csv'
dstname = 'cp932_202002.csv'
s3 = boto3.client('s3')
obj = s3.get_object(Bucket=bucketname, Key=os.path.join(filepath, srcname))
body = obj['Body']
encoded = codecs.encode(body.read().decode('utf-8'), 'cp932')
decoded = codecs.decode(encoded, 'cp932')
out_buffer = StringIO(decoded)
s3_resource = boto3.resource('s3')
s3_resource.Bucket(bucketname).put_object(
Key=os.path.join(filepath, dstname),
Body=out_buffer.getvalue(),
ContentEncoding='text/csv; charset=cp932'
)試したこと
src_codec = codecs.lookup("utf-8")
dst_codec = codecs.lookup("cp932")
stream = codecs.StreamRecoder(
StringIO(body.read().decode('utf-8')),
dst_codec.encode, src_codec.decode,
src_codec.streamreader, dst_codec.streamwriter
)
reader = codecs.StreamReader(stream)
out_buffer = StringIO()
for line in reader.readline():
out_buffer.write(line)
のようにもしてみましたが、readline のエラーが解消されず断念。
補足情報（FW/ツールのバージョンなど）
python のバージョンは 3.5 です。
-
気になる質問をクリップする
クリップした質問は、後からいつでもマイページで確認できます。
またクリップした質問に回答があった際、通知やメールを受け取ることができます。
クリップを取り消します
-
良い質問の評価を上げる
以下のような質問は評価を上げましょう
- 質問内容が明確
- 自分も答えを知りたい
- 質問者以外のユーザにも役立つ
評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。
質問の評価を上げたことを取り消します
-
評価を下げられる数の上限に達しました
評価を下げることができません
- 1日5回まで評価を下げられます
- 1日に1ユーザに対して2回まで評価を下げられます
質問の評価を下げる
teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。
- プログラミングに関係のない質問
- やってほしいことだけを記載した丸投げの質問
- 問題・課題が含まれていない質問
- 意図的に内容が抹消された質問
- 過去に投稿した質問と同じ内容の質問
- 広告と受け取られるような投稿
評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。
質問の評価を下げたことを取り消します
この機能は開放されていません
評価を下げる条件を満たしてません
質問の評価を下げる機能の利用条件
この機能を利用するためには、以下の事項を行う必要があります。
- 質問回答など一定の行動
-
メールアドレスの認証
メールアドレスの認証
-
質問評価に関するヘルプページの閲覧
質問評価に関するヘルプページの閲覧
checkベストアンサー
0
Body=out_buffer.getvalue(),
は
Body=encoded,
でいいんじゃないでしょうか?
encoded = codecs.encode(body.read().decode('utf-8'), 'cp932')
でShiftJISのバイトデータを作ったあとに
decoded = codecs.decode(encoded, 'cp932')
バイトデータを"ShiftJISだと思って文字列にしなさい"とやって元に戻してますよね。
投稿
-
回答の評価を上げる
以下のような回答は評価を上げましょう
- 正しい回答
- わかりやすい回答
- ためになる回答
評価が高い回答ほどページの上位に表示されます。
-
回答の評価を下げる
下記のような回答は推奨されていません。
- 間違っている回答
- 質問の回答になっていない投稿
- スパムや攻撃的な表現を用いた投稿
評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。
15分調べてもわからないことは、teratailで質問しよう！
- ただいまの回答率 88.35%
- 質問をまとめることで、思考を整理して素早く解決
- テンプレート機能で、簡単に質問をまとめられる
2020/03/05 16:56 編集
おっしゃるとおり、せっかく encode したものを戻してしまっていました。
解決しました！