- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
这两天我一直在研究 unicode 及其 Python 实现,我想我已经大致了解了它的含义。为了获得自信,我问我对当前问题的假设是否正确。
在 Django 中,表单给我 unicode 字符串,我怀疑它是“损坏的”。 Python 中的 Unicode 字符串应该用 UTF-8 编码,对吗?在文本字段中输入字符串“fähre”后,浏览器会在 POST 请求中发送字符串“f%c3%a4hre”(通过 wireshark 检查)。但是,当我通过 form.cleaned_data 检索值时,我得到的是字符串 u'f\xa4hre'(请注意它是一个 unicode 字符串)。据我了解,这是 ISO-8859-1 编码的 unicode 字符串,这是不正确的。正确的字符串应该是 u'f\xc3\xa4hre',它是一个 UTF-8 编码的 unicode 字符串。那是 Django 错误还是我对它的理解有问题?为了解决这个问题,我写了一个函数来将它应用于从 Django 表单输入的任何文本:
def fix_broken_unicode(s):
return unicode(s.encode(u'utf-8'), u'iso-8859-1')
哪个是
>>> fix_broken_unicode(u'f\xa4hre')
u'f\xc3\xa4hre'
这对我来说似乎不太优雅,但是将 Django 的 settings.DEFAULT_CHARSET 设置为 'utf-8' 没有帮助,也没有任何其他作用。我正在尝试在整个应用程序中使用 unicode,这样我以后就不会遇到任何奇怪的错误,但是用 u'...' 标记所有字符串显然是不够的。
编辑: 考虑到 Dirk 等人的回答,我现在将把字符串按原样保存到数据库中。真正的问题是我试图对这些类型的字符串进行 urlencode 以将它们用作 Twitter API 等的输入。但是,在 GET 或 POST 请求中,显然需要标准 urllib.urlencode() 函数执行的 UTF-8 编码处理不正确(抛出异常)。看看我在 pastebin 中的解决方案并随时对此发表评论。
最佳答案
u'f\xa4hre'
是一个 unicode 字符串,未编码为任何内容。 unicode 代码点 0xa4
是字符 ä
。 ä
在 ISO-8859-1 中也被编码为字节 0xa4
并不重要。
unicode 字符串可以包含任何 unicode 字符,无需以某种方式对它们进行编码。例如 轮渡
将表示为 u'\u8f6e\u6e21'
,这只是两个 unicode 代码点。 UTF-8 编码将是更长的 '\xe8\xbd\xae\xe6\xb8\xa1'
。
因此无需修复编码,您只看到 unicode 字符串的内部表示。
关于python - "Broken"以 UTF-8 编码的 unicode 字符串?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/2415628/
UTF-8、UTF-16 和 UTF-32 之间有何区别? 据我所知,它们都将存储 Unicode,并且每个都使用不同数量的字节来表示字符。选择其中之一是否有优势? 最佳答案 当 ASCII 字符代表
好的。我知道这看起来像典型的“他为什么不直接用谷歌搜索或去 www.unicode.org 查一下?”问题,但对于这样一个简单的问题,在检查了两个来源后,我仍然无法回答。 我很确定这三种编码系统都支持
是否存在可以用 UTF-16 编码但不能用 UTF-8 编码的字符 最佳答案 没有。 UTF-* 是可以对全范围 Unicode 字符进行编码的编码。 编码之间的差异在于每个字符使用多少字节。 关于u
是否存在可以用 UTF-16 编码但不能用 UTF-8 编码的字符 最佳答案 没有。 UTF-* 是可以对全范围 Unicode 字符进行编码的编码。 编码之间的差异在于每个字符使用多少字节。 关于u
UTF-16 是一种双字节字符编码。交换两个字节的地址将产生 UTF-16BE 和 UTF-16LE。 但我发现在 Ubuntu gedit 文本编辑器中存在名称 UTF-16 编码,以及 UTF-1
我想将 UTF-16 字符串转换为 UTF-8。我通过 Unicode 发现了 ICU 库。我在转换时遇到问题,因为默认设置是 UTF-16。我试过使用转换器: UErrorCode myError
UTF-16 需要 2 个字节,UTF-8 需要 1 个字节。 而USB是面向8bit的,UTF-8更自然。 UTF-8 向后兼容 ASCII,而 UTF-16 则不然。 UTF-16 需要 2 个字
我对将 unicode 字符转换为十六进制值有点困惑。 我正在使用这个网站获取字符的十六进制值。 ( https://www.branah.com/unicode-converter ) 如果我输入“
我已经用UTF-8编码创建了一个文件,但是我不了解其在磁盘上占用的大小的规则。这是我的完整研究: 首先,我创建了一个带有印地语字母“'”的文件,Windows 7上的文件大小为 8个字节。 现在带有两
如何将WideString(或其他长字符串)转换为UTF-8中的字节数组? 最佳答案 这样的功能将满足您的需求: function UTF8Bytes(const s: UTF8String): TB
我有一个奇怪的验证程序,用于验证utf-8字符串是否是有效的主机名(PHP中的Zend Framework主机名valdiator)。它允许IDN(国际化域名)。它将比较每个子域与由其十六进制字节表示
在 utf16 和 utf32 中,一个字节的零是否意味着空?就像在 utf8 中一样,还是我们需要 2 个和 4 个字节的零来相应地在 utf16 和 utf32 中创建 null? 最佳答案 在
这是基于我的观察,对于 mysql,默认字符集 utf8 有点误导,它不支持完整的 Unicode,因为它无法存储四字节 UTF-8 编码的字符。它实际上是 utf8mb4 字符集,它是完整的 Uni
我只有处理 ASCII(单字节字符)的经验,并且阅读了很多关于人们如何以不同方式处理 Unicode 的帖子,这些帖子提出了他们自己的一系列问题。 此时我对 Unicode 的了解非常有限,我读到过U
我明白 std::codecvt在 C++11 中执行 UTF-16 和 UTF-8 之间的转换,并且 std::codecvt执行 UTF-32 和 UTF-8 之间的转换。是否可以在 UTF-8
我正在编写一个 HTTP 服务器并使用 trivial-utf-8:write-utf-8-bytes 来响应请求。我听说Babel就像trivial-utf-8但效率更高,所以我想试一试。搜索了一段
我正在设计一个新的 CMS,但想要设计它来满足我 future 的所有需求,比如多语言内容,所以我认为 Unicode (UTF-8) 是最好的解决方案 但是通过一些搜索我得到了这篇文章 http:/
例如,假设我在字符串中有以下 xml: 如果我尝试将其插入到带有 Xml 列的 SQL Server 2005 数据库表中,我将收到以下错误(我使用的是 EF 4.1,但我认为这无关紧要): XM
我正在使用 Python CSV 库读取两个 CSV 文件。 一种使用 UTF-8-BOM 编码,另一种使用 UTF-8 编码。在我的实践中,我发现使用“utf-8-sig”作为编码类型可以读取这两个
假设我的数据库设置如下以使用 utf-8(mysql 中的完整 4mb 版本) mysql_query("SET CHARACTER SET utf8mb4"); mysql_query("SET N
我是一名优秀的程序员,十分优秀!