Python UTF8 Latin1显示错误的ch

Question

我正在编写一个非常小的脚本，可以将拉丁语-1字符转换成unicode（我是Python的一个完全初学者）。在

我试过这样的方法：

def latin1_to_unicode(character):

    uni = character.decode('latin-1').encode("utf-8")
    retutn uni

它适用于不特定于拉丁语-1集合的字符，但如果我尝试以下示例：

^{pr2}$

它返回Ã¥，而不是å。其他字母也一样，比如æ和ø。在

有谁能解释一下为什么会这样吗？ 谢谢

我的脚本中有# -*- coding: utf8 -*-声明，如果它对问题有任何影响的话

Answer 1

您的源代码被编码为UTF-8，但是您将数据解码为拉丁语-1。不要这样做，您正在创建一个Mojibake。在

相反，从UTF-8解码，不再编码。print将写入sys.stdout，该文件将配置有您的终端或控制台编解码器（在Python启动时检测到）。在

我的终端配置为UTF-8，所以当我在终端中输入å字符时，就会产生UTF-8数据：

>>> 'å'
'\xc3\xa5'
>>> 'å'.decode('latin1')
u'\xc3\xa5'
>>> print 'å'.decode('latin1')
Ã¥

您可以看到，该字符使用two bytes；当使用配置为使用UTF-8的编辑器保存Python源代码时，Python会从磁盘读取完全相同的字节以放入bytestring。在

将这两个字节解码为Latin-1会产生两个与拉丁-1编解码器对应的Unicode码位。在

您可能需要研究Unicode和编码之间的区别，以及这与Python的关系：

• The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)作者：Joel Spolsky

• Pragmatic Unicode作者：Ned Batchelder

• Python Unicode HOWTO