在Python中使用Unicode和“decode（）”

Question

>>> a = "我"  # chinese  
>>> b = unicode(a,"gb2312")  
>>> a.__class__   
<type 'str'>   
>>> b.__class__   
<type 'unicode'>  # b is unicode
>>> a
'\xce\xd2'
>>> b
u'\u6211' 

>>> c = u"我"
>>> c.__class__
<type 'unicode'>  # c is unicode
>>> c
u'\xce\xd2'

b和c都是unicode，但是>>> b输出{}，和{}输出{}，为什么？在

Answer 1

当您只需输入对象的名称时，交互式Python将显示该对象的表示形式。另一方面，print命令尝试渲染字符。名为a的变量是字符串类型。实际上，python2.x中的字符串是一系列字节。所以，这取决于你的工作环境。对unicode（）函数说现在使用gb2312编码。如果为真，则b包含给定编码中字符的正确表示。在

试着

>>> print b

对你来说。你很可能会看到想要的结果。同时尝试：

^{pr2}$

表示是（如果可能的话）一个文本字符串，当复制粘贴到源代码时，将创建具有相同值的对象。在

看看马克·皮尔格林的《潜入Python 3》，第4章。字符串（http://getpython3.com/diveintopython3/strings.html）来获得一个好的、可读的解释。在

Answer 2

当您输入"我"时，Python解释器会从终端获得该字符在本地字符集中的表示形式，由于""，它将其逐字节存储在字符串中。在我的UTF-8系统上，这是'\xe6\x88\x91'。在你的，它是'\xce\xd2'，因为你使用的是GB2312。这解释了变量a的值。在

当您输入u"我"时，Python解释器不知道我字符是哪个编码的。它的作用与普通字符串几乎相同：它将字符的字节存储在Unicode字符串中，将每个字节解释为Unicode码位，因此结果u'\xce\xd2'（或者，在我的框中，u'\xe6\x88\x91'）。在

这个问题只存在于交互式解释器中。当您编写Python脚本或模块时，您可以specify the encoding靠近顶部，Unicode字符串就会显示出来。E、 g.在我的系统中，下面的命令会将单词liberté打印两次：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

print(u"liberté")
print("liberté")