python - 将中文ascii字符串转换为中文字符串

Question

我尝试使用sys模块设置默认编码来转换字符串，但它不起作用。

字符串是:

`\xd2\xe6\xc3\xf1\xba\xcb\xd0\xc4\xd4\xf6\xb3\xa4\xbb\xec\xba\xcf`

中文意思是益民核心增长混合。但是如何将其转换为中文字符串呢？

我尝试过:

>>> string = '\xd2\xe6\xc3\xf1\xba\xcb\xd0\xc4\xd4\xf6\xb3\xa4\xbb\xec\xba\xcf'
>>> print string.decode("gbk")
益民核心增长混合  # As you can see here, got the right answer
>>> new_str = string.decode("gbk")
>>> new_str
u'\u76ca\u6c11\u6838\u5fc3\u589e\u957f\u6df7\u5408' # It returns the another encode type.
>>> another = u"益民核心增长混合"
>>> another
u'\u76ca\u6c11\u6838\u5fc3\u589e\u957f\u6df7\u5408' # same as new_str

所以，我只是对这种情况感到困惑，为什么我可以打印 string.decode("gbk") 但 python 控制台中的 new_str 只是返回另一种编码类型？

我的操作系统是Windows 10，我的Python版本是Python 2.7。非常感谢!

Answer 1

你做得对。

在本例中，new_str 实际上是一个 unicode 字符串，由 u 前缀表示。

>>> new_str
u'\u76ca\u6c11\u6838\u5fc3\u589e\u957f\u6df7\u5408' # It returns the another encode type.

当你解码GBK编码的字符串时，你会得到一个unicode字符串。该字符串的每个字符都是一个 unicode 代码点，例如

>>> u'\u76ca'
u'\u76ca'
>>> print u'\u76ca'
益
>>> import unicodedata
>>> unicodedata.name(u'\u76ca')
'CJK UNIFIED IDEOGRAPH-76CA'

>>> print new_str
益民核心增长混合
>>> print repr(new_str)
u'\u76ca\u6c11\u6838\u5fc3\u589e\u957f\u6df7\u5408

这就是 Python 在解释器中显示 unicode 字符串的方式 - 它使用 repr 来显示它。但是，当您打印该字符串时，Python 会转换为您的终端的编码 (sys.stdout.encoding)，这就是该字符串按您预期显示的原因。

所以，这并不是字符串的不同编码，而是 Python 在解释器中显示字符串的方式。