python - Python 中的 Unicode 和 `decode()`

Question

>>> a = "我"  # chinese  
>>> b = unicode(a,"gb2312")  
>>> a.__class__   
<type 'str'>   
>>> b.__class__   
<type 'unicode'>  # b is unicode
>>> a
'\xce\xd2'
>>> b
u'\u6211' 

>>> c = u"我"
>>> c.__class__
<type 'unicode'>  # c is unicode
>>> c
u'\xce\xd2'

b和c都是unicode，但是>>> b输出u'\u6211'，而>>> c输出u'\xce\xd2'，为什么？

Answer 1

当您输入 "I" 时，Python 解释器从终端获取该字符在您的本地字符集中的表示，由于 “”。在我的 UTF-8 系统上，它是 '\xe6\x88\x91'。在你的，它是 '\xce\xd2' 因为你使用的是 GB2312。这解释了变量 a 的值。

当你输入 u"I" 时，Python 解释器不知道 I 字符在哪个编码中。它所做的与 for 几乎相同普通字符串:它将字符的字节存储在 Unicode 字符串中，将每个字节解释为 Unicode 代码点，因此结果错误 u'\xce\xd2'(或者，在我的盒子上，u'\xe6\x88\x91').

这个问题只存在于交互式解释器中。当你编写 Python 脚本或模块时，你可以 specify the encoding靠近顶部，Unicode 字符串将正确显示。例如，在我的系统上，以下命令打印单词 liberté 两次:

#!/usr/bin/env python
# -*- coding: utf-8 -*-

print(u"liberté")
print("liberté")