Python Unicode行为

Question

我在两个文件中有一个单词êtes，我尝试将其转换为不同的格式。

1）我用codecs.open('test1.txt',encoding='ISO-8859-2')打开文件，然后word.encode('utf-8')。该单词为\xc4\x99tes

2）我用同一个单词打开另一个文件，但是codecs.open('test2.txt',encoding='utf-8')。这次单词读作\xeates

不应该都给出相同的输出??

Answer 1

不，他们不应该给出相同的输出。第一个是字节字符串，第二个是Unicode字符串。

您的第一个文件似乎使用ISO-8859-1编码，而不是ISO-8859-2。 ê（\xea）正在转换为ę（\u0119），而其UTF-8表示是两个字节\xc4\x99。

第二个文件似乎在UTF-8中正确编码。如果要查看实际字符而不是其十六进制表示，则需要print它。