print ord(u'í') # 237 => non-ASCII
import unicodedata
print repr(u'í') # u'\xed'
print unicodedata.name(u'\xed') # LATIN SMALL LETTER I WITH ACUTE
print repr(u'\xed'.encode('utf-8')) # '\xc3\xad' => 2 bytes
print repr('\xc3'.decode('latin_1')) # u'\xc3' - the 1st char
print repr('\xad'.decode('latin_1')) # u'\xad' - the 2nd char
print unicodedata.name(u'\xc3') # LATIN CAPITAL LETTER A WITH TILDE
print unicodedata.name(u'\xad') # SOFT HYPHEN
我假设样本值应该是:
因此,在你的代码中:
^{pr2}$问题是,当您实现链时:
对于输入端的每一个非ASCII-unicode字符,输出端总是接收到错误的字符。发生这种情况是因为对于这样一个字符,在'utf-8'中至少有2个字节的值。
让我们看看示例:
如我们所见,对于ASCII字符,一切正常,但是:
因此,在编码
'utf-8'
后的每个非ASCII字符的代码中,会得到2个字节,然后用'latin_1'
解码为2个字符,它们与初始字符不对应。因此,您当前的计划将产生不理想的结果。
我建议在代码中对
encode()
和decode()
步骤使用相同的编码。在相关问题 更多 >
编程相关推荐