python - 为什么 LANG 会改变 str.encode() 的输出

Question

此命令返回 b'?'，正如预期的那样，因为“α”不在 ISO-8859-1 编码中。

LANG=en_US.UTF-8 python -c "print('α'.encode('ISO-8859-1', 'replace'))"

此命令返回b'\xce\xb1'，我不明白。

LANG=en_US.ISO-8859-1 python -c "print('α'.encode('ISO-8859-1', 'replace'))"

这是什么原因造成的？我想做的是删除不在编码中的字符(这里是 ISO-8859-1)，用 ? 替换它们，因为我认为这段代码应该这样做。

Answer 1

它不会改变 str.encode 的输出；它正在改变 sys.stdin 的编码。

$ LANG=en_US.UTF-8 python -c "print(__import__('sys').stdin.encoding)"
UTF-8
$ LANG=en_US.ISO-8859-1 python -c "print(__import__('sys').stdin.encoding)"
ISO-8859-1

因此，Python 将终端中的 UTF-8 b'\xce\xb1' 解释为文字字节:

$ LANG=en_US.ISO-8859-1 python3 -c "print(len('α'))"
2
$ LANG=en_US.UTF-8 python3 -c "print(len('α'))"                 
1