LookupError: unknown encoding: utf8mb4
Numele codării dat lui open(), encode() sau decode() nu e cunoscut de Python, de obicei pentru că e scris greșit sau e un nume din alt sistem (utf8mb4 e un nume din MySQL). Folosește un nume valid: "utf-8", "utf-8-sig", "cp1250", "latin-1".
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Python are o listă de codări (encodings) cunoscute: utf-8, utf-16, latin-1, cp1250 (Windows Europa Centrală, folosită des pentru texte românești vechi), iso8859-2 și altele. Numele sunt destul de toleranți (UTF8, utf_8 și utf-8 sunt același lucru), dar dacă dai un nume pe care nu-l recunoaște deloc, ridică LookupError: unknown encoding: ....
Cauze frecvente: un nume din altă unealtă, de exemplu utf8mb4 din MySQL (în Python e simplu utf-8) sau UTF-8 with BOM din editoare (în Python, utf-8-sig); o greșeală de scriere (utf-08, uft-8); sau numele descriptive afișate de editoare (ANSI, UTF-8 with BOM), care nu sunt nume de codări.
Pentru hex și base64 există altă eroare: ele nu sunt codări de text, iar mesajul este 'hex' is not a text encoding.
De ce apare: cauzele frecvente
1Nume de codare din MySQL
text = "Brașov"
date = text.encode("utf8mb4")text = "Brașov"
date = text.encode("utf-8")
print(date)utf8mb4 e numele din MySQL pentru UTF-8 complet; în Python e pur și simplu utf-8.
2Nume scris greșit
open("note.txt", "w", encoding="uft-8")with open("note.txt", "w", encoding="utf-8") as f:
f.write("Iași")
print(open("note.txt", encoding="utf-8").read())Literele inversate fac numele de nerecunoscut.
3Numele afișat de editor
codare = "UTF-8 with BOM"
print(b"\xef\xbb\xbfCluj".decode(codare))codare = "utf-8-sig"
print(b"\xef\xbb\xbfCluj".decode(codare))Editoarele afișează nume descriptive („UTF-8 with BOM”, „ANSI”); în Python, acestea sunt utf-8-sig, respectiv o codare concretă, de exemplu cp1250.
Repară eroarea, direct în pagină
Programul salvează un text cu diacritice folosind codarea dintr-o setare copiată din configurația bazei de date MySQL, dar dă LookupError: unknown encoding: utf8mb4. Repară setarea ca programul să afișeze Târgu Mureș și 13.
ENCODING = "utf8mb4"
oras = "Târgu Mureș"
with open("oras.txt", "w", encoding=ENCODING) as f:
f.write(oras)
with open("oras.txt", encoding=ENCODING) as f:
print(f.read())
print(len(oras.encode(ENCODING)))Târgu Mureș 13
Indiciu
Echivalentul în Python al lui utf8mb4 din MySQL este codarea UTF-8.
Reparația
ENCODING = "utf-8"
oras = "Târgu Mureș"
with open("oras.txt", "w", encoding=ENCODING) as f:
f.write(oras)
with open("oras.txt", encoding=ENCODING) as f:
print(f.read())
print(len(oras.encode(ENCODING)))De ce merge
utf8mb4 e numele pe care MySQL îl folosește pentru UTF-8 complet, dar Python nu-l recunoaște. Cu utf-8, fișierul se scrie și se citește corect. Textul are 11 caractere, iar „â” și „ș” ocupă câte doi octeți în UTF-8, de aceea encode dă 13 octeți.
Alte forme ale mesajului
LookupError: unknown encoding: uft-8LookupError: unknown encoding: UTF-8 with BOMLookupError: unknown encoding: ansi
Cum o eviți pe viitor
- Folosește numele standard:
utf-8pentru aproape tot,utf-8-sigpentru CSV-uri din Excel,cp1250pentru fișiere vechi din Windows în limba română. - Ține numele codării într-o constantă (
ENCODING = "utf-8") în loc să-l scrii de mână peste tot. - Verifică un nume cu
codecs.lookup(nume), care ridică aceeași eroare dacă nu există. - Nu copia direct nume de codare din MySQL, editoare sau antete HTTP fără să le verifici.
Întrebări frecvente
Ce codare folosesc pentru un CSV salvat din Excel?
Excel salvează adesea „CSV UTF-8” cu un marcaj BOM la început; encoding="utf-8-sig" îl citește corect și elimină marcajul. Fișierele CSV vechi, nesalvate ca UTF-8, sunt de regulă cp1250 pe sistemele românești.
Cum văd toate codările pe care le știe Python?
Lista e în documentația modulului codecs, secțiunea „Standard Encodings”. Din cod, encodings.aliases.aliases dă un dicționar cu aliasurile acceptate.
Erori înrudite
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe9 in position 15: invalid continuation byte Fișierul (sau datele) nu e salvat în UTF-8, ci în alt encoding, de obicei unul vechi de Windows (`cp1250`, `latin-1`) sau e un Excel salvat ca CSV. Deschide-l cu encoding-ul corect: `open("fisier.csv", encoding="cp1250")`, sau resalvează-l ca UTF-8. UnicodeEncodeError: 'ascii' codec can't encode character '\u0219' in position 3: ordinal not in range(128) Încerci să transformi în bytes (să scrii, să afișezi sau să trimiți) un text cu diacritice folosind un encoding care nu le are, de obicei ASCII. Folosește UTF-8: `text.encode("utf-8")`, `open(..., encoding="utf-8")` sau setează `PYTHONIOENCODING=utf-8` pentru terminal. SyntaxError: bytes can only contain ASCII literal characters Ai scris un caracter non-ASCII (ș, ț, ă, €) direct într-un literal de bytes b"...". În b"" intră doar caractere ASCII. Scrie textul normal și transformă-l în bytes cu "Brașov".encode("utf-8"). Învață Python de la zero, cu exerciții la fiecare lecție
Curs Python: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
