对python3中的unicode/string编码好奇吗

Question

我想问一下，为什么我在苦读/试图理解之后发现的一些东西是有效的，最终只是成功地尝试和错误。。。在

我用的是Linux（Ubuntu13.04，德语时间格式等等，但是是英语系统语言）。我的小python3脚本连接到引用管理器Zotero的sqlite3数据库。在那里，我读了几个键，目标是从zotero存储目录导出文件（可能不重要，正如上面所说的，使其工作正常）。在

所有这些都可以很好地处理ascii集中的字符，但是数据库中当然有很多国际作者，而我的代码常常在非ascii作者/论文标题上失败。 也许首先在命令行sqlite3上了解数据库的一些信息：

sqlite3 zotero-test.sqlite 
SQLite version 3.7.15.2 2013-01-09 11:53:05
sqlite> PRAGMA encoding;
UTF-8

典型的问题条目：

^{pr2}$

正确的名字应该是“储存量：Müller-Forrell”Zotero本身可以正确地解码，但是SQLIte没有（至少在我的终端上没有正确地输出它）。在

Google告诉我“ü”是一个不知何故错误或没有解码的拉丁语-1/8859-1“ü”。在

使用从python3读取此数据库条目

connection = sqlite3.connect("zotero-test.sqlite")`
cursor = connection.cursor()`
cursor.execute("SELECT itemattachments.itemID,itemattachments.sourceItemID,itemattachments.path,items.key FROM itemattachments,items WHERE mimetype=\"application/pdf\" AND items.itemID=itemattachments.itemID")

for pdf_result in cursor:
    print(pdf_result[2])
    print()
    print(pdf_result[2].encode("latin-1").decode("utf-8"))

给出：

storage:Müller-Forell_2008_Orbitatumoren.pdf

storage:Müller-Forell_2008_Orbitatumoren.pdf

，第二个是正确的，所以我让我的脚本工作（天哪，这花了我多少小时…）

有人能给我解释一下。编码和解码的结构是什么？哪一个先被处死？ 谢谢你的任何线索

乔斯特

Answer 1

游标生成strs。我们在它上运行encode()，将其转换为bytes，然后将其解码回str。听起来数据库中的数据编码错误。在

Answer 2

这里您看到的是存储在SQLite数据库中的用拉丁语1编码的UTF8数据。在

sqlite模块总是返回unicode字符串，因此您首先必须将它们编码为拉丁语-1的unicode等价物，然后将它们解码为UTF8。在

它们一开始不应该作为拉丁语-1存储在数据库中。在

您正在执行“先编码后解码”。在