V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
yingluck
V2EX  ›  Python

python 字符编码问题:u'\xb2\xe2\xca\xd4',类型为unicode,实际编码为utf-8,如何读取?

  •  
  •   yingluck ·
    zhao-ji · 2013-12-07 17:38:37 +08:00 · 13640 次点击
    这是一个创建于 3987 天前的主题,其中的信息可能已经有所发展或是发生改变。
    第 1 条附言  ·  2013-12-07 18:24:56 +08:00
    题目上的串错了,应该是这样的 u'\xe5\xbe\xae\xe4\xbf\xae'
    13 条回复    2016-08-11 14:46:24 +08:00
    ushuz
        1
    ushuz  
       2013-12-07 17:59:40 +08:00 via iPhone   ❤️ 1
    转成str
    str()
    yingluck
        2
    yingluck  
    OP
       2013-12-07 18:14:10 +08:00
    @ushuz 转成了 但是a[3:-1]这样取出来还是读取不了啊
    Hackathon
        3
    Hackathon  
       2013-12-07 18:26:42 +08:00   ❤️ 3
    Python 2.7.5 (default, May 15 2013, 22:43:36) [MSC v.1500 32 bit (Intel)] on win32
    Type "copyright", "credits" or "license()" for more information.
    >>> a = u'\xb2\xe2\xca\xd4'
    >>> b = a.encode('raw_unicode_escape')
    >>> print b
    测试
    >>> c = a.encode('latin1')
    >>> print c
    测试
    >>>
    yingluck
        4
    yingluck  
    OP
       2013-12-07 18:29:47 +08:00
    @Hackathon 行啊 哈哈哈哈 可以了! 多谢 我要把你这种方法好好学一下!
    sandtears
        5
    sandtears  
       2013-12-07 19:59:10 +08:00
    @Hackathon 多谢,我也一直很想知道这个orz
    lnehe
        6
    lnehe  
       2013-12-07 20:07:45 +08:00
    python的字符编码问题一直搞不懂。。。
    F0ur
        7
    F0ur  
       2013-12-07 20:15:01 +08:00
    python的字符编码一直个要研究的问题- -
    9hills
        8
    9hills  
       2013-12-07 20:18:23 +08:00
    这个不是字符编码问题<_<
    VYSE
        9
    VYSE  
       2013-12-07 20:29:14 +08:00
    标题里的就是'\xb2\xe2\xca\xd4'就是GB2312编码的,加u在encode转换其实蛮诡异的,不过latin1还能encode说明Python根据OS环境做了些取舍,放在英文默认编码系统里肯定转不出来。

    附言里是utf-8的,
    print '\xe5\xbe\xae\xe4\xbf\xae'.decode('utf-8')即可。

    \x出现在u''里表示的就不是byte而是等效于\u00XX,
    比如u'\xe5\xbe\xae\xe4\xbf\xae'其实等于u'\u00e5\u00be\u00ae\u00e4\u00bf\u00ae',这样表示的是unicode char table里的第XX位而不是字节,意义就全变了。

    反正bytes出现在unicode str里实在诡异。
    shenGun
        10
    shenGun  
       2013-12-11 15:49:15 +08:00
    http://docs.python.org/2/howto/unicode.html
    Latin-1, also known as ISO-8859-1, is a similar encoding. Unicode code points 0-255 are identical to the Latin-1 values, so converting to this encoding simply requires converting code points to byte values; if a code point larger than 255 is encountered, the string can’t be encoded into Latin-1.

    在Documentation中提示unicode的0-255编码和Latin-1的0-255是一样的。说以u'\xb2\xe2\xca\xd4'.decode('Latin-1')转好之后就是'\xb2\xe2\xca\xd4'其实好像还是GB2312的编码
    borneo
        11
    borneo  
       2013-12-15 21:19:34 +08:00
    hey man.

    by the way, keep it compatible with Python 2+3. http://lucumr.pocoo.org/2011/1/22/forwards-compatible-python/
    yingluck
        12
    yingluck  
    OP
       2014-08-22 18:25:08 +08:00
    http://hgoldfish.com/blogs/article/56/
    直到发现了这个资料
    lzjun
        13
    lzjun  
       2016-08-11 14:46:24 +08:00   ❤️ 1
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   5914 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 27ms · UTC 02:45 · PVG 10:45 · LAX 18:45 · JFK 21:45
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.