python - Python:解析查询(MeCab)返回的字符串的Unicode编码

我正在尝试使用一个名为MeCab的程序，该程序对日语文本进行语法分析。我遇到的问题是，它返回一个字节字符串，如果我尝试打印它，它将为几乎所有字符打印问号。但是，如果尝试使用.decode，则会引发错误。这是我的代码：

#!/usr/bin/python
# -*- coding:utf-8 -*-

import MeCab
tagger = MeCab.Tagger("-Owakati")
text = 'MeCabで遊んでみよう！'

print text
result = tagger.parse(text)
print result

result = unicode(result, 'utf-8')
print result

这是我的输出：

MeCabで遊んでみよう！
MeCab �� �� ��んで�� �� ��う！

Traceback (most recent call last):
  File "test.py", line 12, in <module>
    result = unicode(result, 'utf-8')
UnicodeDecodeError: 'utf8' codec can't decode bytes in position 6-7: invalid continuation byte

------------------
(program exited with code: 1)
Press return to continue

另外，我的终端能够正确显示日语字符。例如，print '日本語'可以很好地工作。

有任何想法吗？

最佳答案

MeCab默认情况下不返回UTF8。以下是来自以下链接的引文（通过Google翻译）：

http://mecab.googlecode.com/svn/trunk/mecab/doc/index.html#charset


  除非另有说明，否则使用euc。如果要使用utf8或shift-jis，请使用configure options字典更改字符集，请重新构建字典。现在，使用shift-jis创建了utf8字典。


尝试result = tagger.parse(text).decode('euc-jp')。

关于python - Python:解析查询(MeCab)返回的字符串的Unicode编码，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/17379810/