python - ¥ 字符在 Shift-JIS 中编码/解码后转换为\

Question

这怎么可能？这是一个错误吗？ (Python 2.7.12 和 Python 3.5.1 中的行为相同。)

In [1]: yen = u'\u00A5'

In [2]: print(yen)
¥

In [3]: yen_after_encoding_decoding = yen.encode('shift-jis').decode('shift-jis')

In [4]: print(yen_after_encoding_decoding)
\

In [5]: yen
Out[5]: '¥'

In [6]: yen_after_encoding_decoding
Out[6]: '\\'

In [7]:

yen 的 shift-jis 编码与反斜杠的 ASCII 编码相同，所以大概是相关的。但还是很奇怪!

Answer 1

Shift_JIS 的字符集是在 JIS(日本工业标准)中定义的。字符编码Shift_JIS半角字符集使用JIS X 0201，全角字符集使用JIS X 0208。

题中的“反斜杠”是ISO/IEC 8859-1(Latin-1)中的半角反斜杠，表示为0x005C。另一方面，JIS X 0201(半角字符集)不包含反斜杠(参见 https://en.wikipedia.org/wiki/JIS_X_0201 )。它在 0x005C 中使用日元符号代替反斜杠。许多日语应用程序(例如日语语言环境中的 Windows 资源管理器)使用日元符号作为反斜杠的等价物，如 C:¥Windows。

在这种情况下，代码的行为如下所示:

• yen 在 Unicode 中是 U+00A5。
• yen.encode('shift-jis')在bytes中是0x005C，因为包含了¥在 Shift-JIS 中并且在其编码中是 0x005C。
• .decode('shift-jis') 将 0x005C 转换为 Unicode 中的 U+005C (半角反斜杠)，因为 ¥ 相当于反斜杠。