为什么我不能将 \xDF (ß) 解码为 UTF-8？

Question

我有一个字节串b"\xDF"。当我尝试将其解码为 UTF-8 时，抛出 UnicodeDecodeError。解码为 CP1252 工作正常。在这两个字符集中，0xDF 都由字符“ß”表示。那么为什么会出错？

>>> hex(ord("ß"))
'0xdf'
>>> b"\xDF".decode("utf-8")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xdf in position 0: unexpected end of data
>>> b"\xDF".decode("cp1252")
'ß'

Answer 1

UTF-8 中的所有单字节编码字符都必须在 [0x00 .. 0x7F] (https://en.wikipedia.org/wiki/UTF-8) 范围内。这些相当于 7 位 ASCII。

对于德语 ß，您将在 UTF-8 中获得 2 个字节：

>>> "ß".encode("utf-8")

b'\xc3\x9f'

解码时也能正常工作：

b'\xc3\x9f'.decode("utf-8")

'ß'

为什么我不能将 \xDF (ß) 解码为 UTF-8？

Why can't I decode \xDF (ß) into UTF-8?

python-3.x

unicode

utf-8

cp1252