Python - 失败u202c

Question

首先，忏悔 - 我不是开发者。我的开发人员刚刚离开，我们需要的一段代码失败，所以我真的希望有人能指出如何解决。本质上，代码查询一个gmail帐户，从特定格式的电子邮件中提取数据并将其传送到一个csv文件中。我认为这是gmail数据中的一个流氓角色。我的问题是如何识别哪个电子邮件包含流氓角色？我缩小了日期范围，因此知道这个问题存在于250条记录中，但我无法直观地识别哪一条。

这里是失败消息：

Authentication successful. 
Messages total: 257 
Traceback (most recent call last): 
    File "./extract_billing_from_gmail.py", line 579, in <module> 
    csvwriter.writerow([ lead_customer, lead['client_id'], lead['operator_name'], lead['chat_id'], lead['time'], lead['date'], email_time, email_date, timelag_minutes, lead['out_of_hours'], lead['type'], lead['area_to_rent_or_buy'], lead['area_to_sell_or_let'], lead['name'], lead['email'], lead['phone'], lead['phone2'], email_subject_plaintext ]) 
UnicodeEncodeError: 'ascii' codec can't encode character u'\u202c' in position 15: ordinal not in range(128) 
Admins-MacBook-Pro:OCSL_created_gmail_billing andy$ 

每封电子邮件是按以下格式： 主题 - Yomdel带电导线 - [客户名称]

然后身体包含以下内容：

运营商名称：简

主管：奥利弗

客户端ID：XXXXX詹姆斯

时间：上午10时41

日期：20-01-2016

聊天ID：O1Q86YL8T3

名称：苏菲XXXXX

电话：07917 000000

Email：sophie.x.xxxxxx@hotmail.co.uk

客户类型：买方/卖方

房产类型：3床（买）

预算：£325000

在此之后有几行来描述的要求。

非常感谢您的帮助提前。

Answer 1

在这里做最简单的事情将是行包579在try/except块，并打印出主题，然后重新引发错误：

try: 
    csvwriter.writerow([ lead_customer, lead['client_id'], lead['operator_name'], lead['chat_id'], lead['time'], lead['date'], email_time, email_date, timelag_minutes, lead['out_of_hours'], lead['type'], lead['area_to_rent_or_buy'], lead['area_to_sell_or_let'], lead['name'], lead['email'], lead['phone'], lead['phone2'], email_subject_plaintext ]) 
except UnicodeEncodeError: 
    print 'Failed to parse {}.'.format(email_subject_plaintext.encode('utf-8', 'replace') 
    raise 

这会帮助你找出违规电子邮件由主题行。当然，还可以在其中添加任何其他需要的识别信息 - 关键在于确保它可以正确编码以进行打印。

这会遇到一个更大的问题，就是在将数据传递给csvwriter之前，他们应该正确编码 - 类似于我在打印语句中显示的调用.encode()需要完成每一位数据传出，并且应该允许脚本即使遇到时髦的字符也能运行。