python - 在度数符号前获取一个字符

Question

我正在尝试将度数符号连接到一个字符串，以便我可以将它写入 word 文档。我试过这样做。

degreeChar = u'\N{DEGREE SIGN}'
print degreeChar.encode('UTF-8')

我从这里得到的输出是 °，我不确定为什么 会出现。我究竟做错了什么？很沮丧!

谢谢。

Answer 1

当你这样做时:

>>> degreeChar = u'\N{DEGREE SIGN}'

degreeChar 是一个单字符的 Unicode 字符串——特别是 u'°':

>>> len(degreeChar)
1
>>> ord(degreeChar)
176

当你将它编码为 UTF-8 时，你会得到一个 2 字节的 UTF-8 字节字符串:

>>> dc = degreeChar.encode('UTF-8')
>>> len(dc)
2
>>> ord(dc[0]), ord(dc[1])
(194, 176)

作为UTF-8，那对字节表示u'°'。但是，例如 Latin-1 或 cp1252，完全相同的一对字节表示 u'°'。这就是不同编码的全部要点——相同的字节序列在不同的编码中意味着不同的东西。查看详情:

>>> dc2 = dc.decode('latin-1')
>>> len(dc2)
2
>>> ord(dc2[0]), ord(dc2[1])
(194, 176)

那么，如果您尝试将 UTF-8 字符串打印到 cp1252 终端，会发生什么情况？或者将其保存为一个二进制文件，然后将其作为 cp1252 文本文件打开？好吧，您当然会得到 °。

---

那么，你是如何解决这个问题的？

好吧，只是不要尝试将 UTF-8 编码的字节打印到 cp1252 终端!如果 Python 已成功猜出您的终端编码，则首先将其打印为 Unicode 字符串:

>>> print u'°'
°

如果不是，您要么需要修复您的配置，以便 Python 确实 正确猜测您的终端编码(在大多数 *nix 系统上很容易，在 Windows 上则不是那么多……)，或者手动指定它，或者只编码为正确的编码而不是错误的编码:

>>> print u'°'.encode('cp1252')
°