Question

source = '\xe3\xc7\x9f'
destination = u'\u0645\u0627\u06ba'

如何从源头到达目的地？

（来源和目的地都是相同的3个字符，顺序相同，只是表示不同。）

从技术上讲，源是在乌尔都语中，目标是相同3个字符的Unicode代码点。请参阅：https://www.codeaurora.org/git/projects/froyo-gb-dsds-7227/repository/revisions/39141d7a9dbdd2e9acf006430a7e7557ffd1efce/entry/external/icu4c/data/mappings/ibm-5352_P100-1998.ucm

如果我这样做：

source.decode('cp1006')

我明白了：

u'\ufed9\ufb84\x9f'

这不是我想要的......

如果我这样做：

source.decode('raw_unicode_escape')

我明白了：

u'\xe3\xc7\x9f'

这也不是我想要的......

如何在Python中从A点（源）到B点（目标）？

Answer 1

In [129]: source = '\xe3\xc7\x9f'
In [130]: source.decode('cp1256')
Out[130]: u'\u0645\u0627\u06ba'

In [131]: destination
Out[131]: u'\u0645\u0627\u06ba'

PS。问题“什么编解码器将此str对象转换为该unicode对象？”不时出现在SO上。这是一个小脚本，可以帮助快速回答这些问题（它只是尝试使用每种可能的编码解码str对象）：

guess_encoding.py：

import binascii
import zlib
import codecs
import pkgutil
import os
import encodings

def all_encodings():
    modnames=set([modname for importer, modname, ispkg in pkgutil.walk_packages(
        path=[os.path.dirname(encodings.__file__)], prefix='')])
    aliases=set(encodings.aliases.aliases.values())
    return modnames.union(aliases)        

def main():
    encodings=all_encodings()
    while 1:
        text=raw_input()
        text=codecs.escape_decode(text)[0]
        # print('Attempting to decode {0!r}'.format(text))
        for enc in encodings:
            try:
                msg=text.decode(enc)
            except (IOError,UnicodeDecodeError,LookupError,
                    TypeError,ValueError,binascii.Error,zlib.error) as err:
                pass
                # print('{e} failed: {err}'.format(e=enc,err=err))
            else:
                if msg:
                    print('Decoding with {enc}:'.format(enc=enc))
                    print(msg)

if __name__=='__main__':
    main()

运行guess_encoding.py后，您输入repr对象的str：

% guess_encoding.py
\xe3\xc7\x9f

它针对每种可能的Python编码吐出相关的unicode对象。

因为你告诉我们所需的unicode对象是

In [128]: print(destination)
ماں

您可以快速搜索输出 ماں并找到成功的编解码器：

Decoding with cp1256:
ماں

Python字符串转换（本地化）问题

1 个答案: