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

細心一點呀。不是ce8而是xe8。

Python的CLI介面，在看到單一表達式的時候，會印出類似PHP的var_dump的變數原始值。對於unicode字串，輸出的就是帶著u''的字串，每個non-ascii字元都被轉義掉。只有真正使用print，python解釋器才會根據系統介面的locale選項，正確轉換編碼並輸出真正的字元到螢幕。

你可以看下以下在Linux系統下運作的結果，對解答你的問題很有幫助。

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

另外實際做程序的一個好習慣，就是乾脆就不要用byte再去解碼，而是乾脆全部統一到Unicode。簡單省事。