python2.7 编码问题

Question

小弟在经过python2.7和python3关于编码问题的对比后发现一个问题,如下:

在python3中

B = b'\xc4\xe8'
B.decode('latin-1') 
print B  #结果为 'Äè'

按照python3的说法就是B为bytes类型.是用来表示二进制字节字符串的.然后对他按照"latin-1" 去decode之后得到了实际的str字符串默认为utf8.为西欧文字.

---

但是在python2中str类型本身为二进制类型.然后unicode为其编码类型.小弟做了一下的事情.

B = '\xc4\ce8'
B = B.decode('latin-1')  #按照latin给他解码
print B  

得到的结果为u'\xc4\xe8',
而不是西欧语言.

请问这是为什么?

如何在python2.7中得到以上的西欧文字?

over

Answer 1

细心一点呀。不是\ce8而是\xe8。

Python的CLI界面，在见到单一表达式的时候，会打印出类似PHP的var_dump的变量原始值。对于unicode字符串，输出的就是带着u''的字符串，每个non-ascii字符都被转义掉。只有真正使用print，python解释器才会根据系统界面的locale选项，正确转换编码并输出真正的字符到屏幕。

你可以看下以下在Linux系统下运行的结果，对解答你的问题很有帮助。

pi@linux-0o8x:~> locale | grep LANG
LANG=zh_CN.utf8
pi@linux-0o8x:~> python
Python 2.7.5 (default, May 30 2013, 16:55:57) [GCC] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> u'中国人 说汉语 用中文 abc123'
u'\u4e2d\u56fd\u4eba \u8bf4\u6c49\u8bed \u7528\u4e2d\u6587 abc123'
>>> B = b'\xc4\xe8'
>>> B.decode('latin-1') 
u'\xc4\xe8'
>>> print(B.decode('latin-1'))
Äè

另外实际做程序的一个好习惯，就是干脆就不要用byte再去解码，而是干脆全部统一到Unicode。简单省事。