Python UTF-8 Latin-1 显示错误字符

Question

我正在编写一个非常小的脚本，可以将 latin-1 字符转换为 unicode（我是 Python 的初学者）。

我试过这样的方法：

def latin1_to_unicode(character):

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

对于不是特定于 latin-1 集的字符，它工作正常，但是如果我尝试以下示例：

print latin1_to_Unicode('å')

它returns Ã¥而不是å。其他字母也是如此，例如 æ 和 ø.

谁能解释一下为什么会这样？谢谢

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

Answer 1

您的源代码编码为 UTF-8，但您将数据解码为 Latin-1。不要那样做，您正在创建 Mojibake.

改为从 UTF-8 解码，不再编码。 print 将写入 sys.stdout，这将使用您的终端或控制台编解码器进行配置（在 Python 启动时检测到）。

我的终端配置为 UTF-8，因此当我在终端中输入 å 字符时，会生成 UTF-8 数据：

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

可以看到字符使用了两个字节；当使用配置为使用 UTF-8 的编辑器保存 Python 源代码时，Python 从磁盘读取完全相同的字节以放入字节串。

将这两个字节解码为 Latin-1 会生成两个对应于 Latin-1 编解码器的 Unicode 代码点。

您可能想研究一下 Unicode 和编码之间的区别，以及它们与 Python 的关系：

Python UTF-8 Latin-1 displays wrong character